material y mÄ todos2.6.2.1. Mo<strong><strong>de</strong>l</strong>os lineales. Estructura.En un mo<strong><strong>de</strong>l</strong>o lineal, cada dato medido y ijk , <strong>de</strong> una variable continua y, se pue<strong>de</strong><strong>de</strong>scomponer en una suma <strong>de</strong> términos <strong><strong>de</strong>l</strong> tipoy ijk = μ + a i + b j + c k + ε ;don<strong>de</strong> μ es la media muestral y ε es un término aleatorio <strong>de</strong> una distribución normal <strong>de</strong>media cero y varianza igual al error experimental. Los <strong>de</strong>más términos <strong><strong>de</strong>l</strong> mo<strong><strong>de</strong>l</strong>o pue<strong>de</strong>ntener diferentes estructuras: pue<strong>de</strong>n tener un valor fijo para cada nivel <strong>de</strong> un factor, sinrelación alguna con los otros niveles <strong><strong>de</strong>l</strong> mismo factor (factores fijos), o pue<strong>de</strong>n consi<strong>de</strong>rarsetérminos aleatorios <strong>de</strong> una distribución normal <strong>de</strong> media cero y varianza característica(factores aleatorios). Por ejemplo, en un ensayo <strong>de</strong> campo <strong>de</strong> diferentes métodos <strong>de</strong> controlen un diseño <strong>de</strong> bloques completos aleatorizados, el efecto <strong>de</strong> cada tratamiento se consi<strong>de</strong>rafijo (sería repetible para un producto <strong>de</strong>terminado si se reprodujera el ensayo en otrascircunstancias). En cambio, el efecto <strong><strong>de</strong>l</strong> bloque se consi<strong>de</strong>ra aleatorio, ya que no se podríareproducir en otro año u otro campo. Cuando el mo<strong><strong>de</strong>l</strong>o contiene sólo este tipo <strong>de</strong> términos(junto con la media muestral y el término <strong>de</strong> error), hablamos <strong>de</strong> un análisis <strong>de</strong> varianza. Enotros casos, el valor <strong>de</strong> un término no viene dado <strong>de</strong> modo <strong>de</strong>terminista o aleatorio, sino quees, a su vez, una función lineal <strong>de</strong> otra u otras variables continuas x 1 , x 2 , … Si sólo existeneste tipo <strong>de</strong> términos, hablaremos <strong>de</strong> una regresión lineal, don<strong>de</strong> y es la variable <strong>de</strong>pendientey x 1 , x 2 , … son las variables in<strong>de</strong>pendientes. Por último, si se combinan factores fijos ycovariables en un mismo mo<strong><strong>de</strong>l</strong>o, habaremos <strong>de</strong> análisis <strong>de</strong> covarianza.2.6.2.2. Mo<strong><strong>de</strong>l</strong>os lineales. Restricciones teóricas. Transformadas.Los mo<strong><strong>de</strong>l</strong>os lineales son una po<strong>de</strong>rosa herramienta <strong>de</strong> análisis estadístico, alre<strong>de</strong>dor<strong>de</strong> la cual se han diseñado diferentes tipos <strong>de</strong> pruebas, como comparaciones <strong>de</strong> medias,planificadas (contrastes) o no. Pero, para po<strong>de</strong>r aplicarlos se han <strong>de</strong> cumplir ciertosrequisitos, como son la in<strong>de</strong>pen<strong>de</strong>ncia y normalidad <strong>de</strong> los errores y la isoscedasticidad(in<strong>de</strong>pen<strong>de</strong>ncia <strong><strong>de</strong>l</strong> error respecto <strong>de</strong> la media; Sokal y Rohlf, 1995). La in<strong>de</strong>pen<strong>de</strong>ncia <strong>de</strong> loserrores se suele procurar mediante la aleatorización <strong><strong>de</strong>l</strong> diseño experimental. La normalidad<strong>de</strong> los errores se pue<strong>de</strong> comprobar aplicando la prueba <strong>de</strong> normalidad <strong>de</strong> la W <strong>de</strong> Shapiro yWilk (SAS, 1999) a los residuos (término ε <strong><strong>de</strong>l</strong> mo<strong><strong>de</strong>l</strong>o lineal). Para la isoscedasticidad, se haaplicado una prueba estadística “ad hoc”, que consiste en una regresión lineal <strong>de</strong> los valoresabsolutos <strong>de</strong> los residuos sobre los valores predichos por el mo<strong><strong>de</strong>l</strong>o, para cada dato. Parapasar la prueba, la regresión no <strong>de</strong>be resultar significativa (recta <strong>de</strong> regresión horizontal).Normalmente, los problemas <strong>de</strong> falta <strong>de</strong> normalidad y <strong>de</strong> isoscedasticidad se presentany se solucionan <strong>de</strong> manera conjunta. Se dan, típicamente, cuando el rango <strong>de</strong> la variablecubre más <strong>de</strong> un or<strong>de</strong>n <strong>de</strong> magnitud. También se dan cuando estos mo<strong><strong>de</strong>l</strong>os, basados en la8568
Biolog• a <strong><strong>de</strong>l</strong> <strong>gusano</strong> <strong>de</strong> alamBre (<strong>Agriotes</strong> <strong>spp</strong>.) en la llanada alavesa y <strong>de</strong>sarrollo <strong>de</strong> estrategias <strong>de</strong> control integrado en el cultivo <strong>de</strong> la patatadistribución normal, se aplican a datos que, intrínsecamente, respon<strong>de</strong>n a otrasdistribuciones, como conteos (distribución <strong>de</strong> Poisson,) y proporciones (distribuciónbinomial) (ver 1.5.4.1). En este último caso, un recurso obvio es recurrir al mo<strong><strong>de</strong>l</strong>o linealgeneralizado apropiado (ver 2.6.2.3); pero su mo<strong><strong>de</strong>l</strong>ización es más compleja y no se dispone<strong>de</strong> la riqueza <strong>de</strong> pruebas estadísticas asociadas <strong>de</strong> los mo<strong><strong>de</strong>l</strong>os lineales, como comparaciones<strong>de</strong> medias no planificadas. Otra posibilidad es transformar los datos <strong>de</strong> origen para quecumplan los requisitos <strong>de</strong> normalidad e isoscedasticidad. Como indicación general, para losconteos se utiliza la transformada raíz cuadrada <strong><strong>de</strong>l</strong> dato + 0,5 y para proporciones, elarcoseno <strong>de</strong> su raíz cuadrada, en radianes. Existe, a<strong>de</strong>más, la serie empírica <strong>de</strong> transformadas<strong>de</strong> Box y Cox (Sokal y Rohlf, 1995), que sony, raíz cuadrada <strong>de</strong> y, log(y), 1/raíz cuadrada <strong>de</strong> y, 1/y…Esta serie tiene la propiedad <strong>de</strong> reducir progresivamente la <strong>de</strong>pen<strong>de</strong>ncia <strong><strong>de</strong>l</strong> errorrespecto <strong>de</strong> la media. La transformada apropiada se busca por tanteo, y también por tanteo sebusca un parámetro fijo, <strong><strong>de</strong>l</strong> tipo t y = log (y + 0,1); hasta encontrar el mejor compromisoentre normalidad e isoscedasticidad.2.6.2.3. Mo<strong><strong>de</strong>l</strong>os lineales generalizados.La generalización a que hace referencia la <strong>de</strong>nominación <strong>de</strong> estos mo<strong><strong>de</strong>l</strong>os consiste enpermitir distribuciones <strong>de</strong> errores diferentes <strong>de</strong> la normal, unida al uso <strong>de</strong> una “función <strong>de</strong>enlace” (SAS, 1999). Ésta última tiene un efecto equivalente al uso <strong>de</strong> transformadas en losmo<strong><strong>de</strong>l</strong>os lineales. Por ejemplo, para mo<strong><strong>de</strong>l</strong>izar unos conteos que se presuponenaleatoriamente distribuidos en el espacio, se utiliza el logaritmo como función <strong>de</strong> enlace y ladistribución <strong>de</strong> Poisson para el término <strong>de</strong> error (tabla 10):Mo<strong><strong>de</strong>l</strong>o Función <strong>de</strong> enlace Distribución <strong>de</strong> erroresLineal sin generalizar I<strong>de</strong>ntidad NormalConteos con distribución aleatoria Logaritmo PoissonConteos con distribución agregada Logaritmo Binomial negativaProporciones con distribución aleatoria Logit BinomialTabla 10: Funciones <strong>de</strong> enlace y distribuciones <strong>de</strong> error para mo<strong><strong>de</strong>l</strong>os lineales generalizados.En el presente trabajo se han utilizado estos mo<strong><strong>de</strong>l</strong>os para contrastar la hipótesis <strong>de</strong>que la distribución <strong>de</strong> larvas <strong>de</strong> alfilerillo en el suelo es agregada.2.6.2.4. Transformada logit para linealización <strong>de</strong> la curva logística.La curva logística, presentada en 1.1.3, no es lineal:8669
- Page 5 and 6:
Un registro bibliográfico de esta
- Page 8:
Agradecimientos:Me resulta muy dif
- Page 12 and 13:
• ndice1. INTRODUCCIÓN .........
- Page 14:
• ndice3.5.4. Control cultural...
- Page 18 and 19:
introducci” n1.1. Taxonomía y bi
- Page 20 and 21:
introducci” nEs la subfamilia Ela
- Page 22 and 23:
introducci” ninterestría de cada
- Page 24 and 25:
introducci” npreferentemente en l
- Page 26 and 27:
introducci” nexponencial.velocida
- Page 28 and 29:
introducci” n30,0025,0020,00Longi
- Page 30 and 31:
introducci” nORGANISMOENFERMEDADR
- Page 32 and 33:
introducci” n1.2.2. Importancia e
- Page 34 and 35:
introducci” nEn Europa la importa
- Page 36 and 37: introducci” ncoleoptilo emergente
- Page 38 and 39: introducci” nCAMPAÑA CONSUMO SIE
- Page 40 and 41: introducci” norganofosforados (fo
- Page 42 and 43: introducci” nlos gusanos de alamb
- Page 44 and 45: introducci” nsignificativas en el
- Page 46 and 47: introducci” nculturales y medios
- Page 48 and 49: introducci” nParker y Seeney (199
- Page 50 and 51: introducci” n1009080UniformePoiss
- Page 52 and 53: introducci” nmisma. Aunque éstas
- Page 54 and 55: introducci” nde error sobre todo
- Page 56 and 57: introducci” nSegún Chabert y Blo
- Page 58 and 59: introducci” núltimo se optimizar
- Page 60: introducci” nLa solución pasa pu
- Page 64 and 65: material y mÄ todos2.1. LA FASE AD
- Page 66 and 67: material y mÄ todosLas distintas f
- Page 68 and 69: material y mÄ todosFigura 19: Tram
- Page 70 and 71: material y mÄ todos2.4. DISTRIBUCI
- Page 72 and 73: material y mÄ todos2.4.3. Extracci
- Page 74 and 75: material y mÄ todosEn lo referente
- Page 76 and 77: material y mÄ todosLa escala utili
- Page 78 and 79: material y mÄ todosLa tabla 8 es u
- Page 80 and 81: material y mÄ todos- RotenonaInsec
- Page 82 and 83: material y mÄ todos2.5.3.1. Labora
- Page 84 and 85: material y mÄ todosS 2 =a m bDonde
- Page 88 and 89: material y mÄ todosκy = , (7)1−
- Page 90: material y mÄ todos2.7. RELACIÓN
- Page 94 and 95: esultados3.1. LA FASE ADULTA3.1.1.
- Page 96 and 97: esultadosFigura 32: Polimorfismo en
- Page 98 and 99: esultadosFuente de Grados de Suma d
- Page 100 and 101: esultadosen campo.En laboratorio (f
- Page 102 and 103: esultadosMientras se produce la ap
- Page 104 and 105: esultados43 22,7957 25,1283 0,02683
- Page 106 and 107: esultadosFuente de Grados de Suma d
- Page 108 and 109: esultadosSe observa que la curva aj
- Page 110 and 111: esultados3.2.3- Longitud de las pup
- Page 112 and 113: esultadosEn las cajas de cría al a
- Page 114 and 115: esultados3.2.3.1. Variabilidad entr
- Page 116 and 117: esultadosMediante análisis de vari
- Page 118 and 119: esultados3.3. DISPERSIÓN DE LOS AD
- Page 120 and 121: esultadosFigura 49: Evolución de c
- Page 122 and 123: esultados3.4. DISTRIBUCIÓN DE LAS
- Page 124 and 125: esultados0.51. Su intervalo de conf
- Page 126 and 127: esultados3.4.2.3 Ajuste a la ley de
- Page 128 and 129: esultados% tubérculos dañados = 0
- Page 130 and 131: esultadosAyala Bloque A Bloque B Ga
- Page 132 and 133: esultados100806040200100806040200Ay
- Page 134 and 135: esultadosEn cualquier caso, en este
- Page 136 and 137:
esultados2000 2001 2002 2003 2004Ce
- Page 138 and 139:
esultados3.5.4. Control cultural3.5
- Page 140:
esultadosDel análisis de varianza
- Page 144 and 145:
discusi” n4.1. LA FASE ADULTA4.1.
- Page 146 and 147:
discusi” ncomponentes. A. sordidu
- Page 148 and 149:
discusi” nEn la bibliografía se
- Page 150 and 151:
discusi” nLos datos tomados duran
- Page 152 and 153:
discusi” nexposición. Cherry y A
- Page 154 and 155:
discusi” nPor comparación con ot
- Page 156 and 157:
discusi” nSamson y Calder, (2003)
- Page 158 and 159:
discusi” nPor otra parte, los res
- Page 160 and 161:
discusi” ntemperaturas inferiores
- Page 162 and 163:
discusi” nNuestro estudio puede c
- Page 164:
5. CONCLUSIONES
- Page 167 and 168:
Biolog• a del gusano de alamBre (
- Page 170 and 171:
BiBliograf• aAdams, B.J., Nguyen,
- Page 172 and 173:
BiBliograf• aCherry, R.,H., Stans
- Page 174 and 175:
BiBliograf• aFerron, P., 1975. Vi
- Page 176 and 177:
BiBliograf• aIvashchenko, I.I., D
- Page 178 and 179:
BiBliograf• aKwon, M., Hahm, Y.I.
- Page 180 and 181:
BiBliograf• aParker, W.E., Howard
- Page 182 and 183:
BiBliograf• aSevacherian, V., Ste
- Page 184:
BiBliograf• aWaller, R.A., Duncan
- Page 187 and 188:
Nº 23. Influencia de los procesos