MSPC-8-M7-R1

Diseñando un estudio científico, parte 2 (dos tipos de diseño)

DISEÑO EXPERIMENTAL - MAESTRÍA EN SOSTENIBILIDAD Y PLANIFICACIÓN DE LA CONSERVACIÓN

Lección oral (XX XX XXXX): Se elige al azar a diferentes estudiantes con el fin de hacerles cortas preguntas de la anterior clase

Prerrequisito: revisar las clases del módulo 1 a 6, y el glosario entregado de primera mano (Gotelli & Ellison, 2004)

Bases del diseño experimental

Cuatro grandes clases de diseño experimental

Bases del diseño experimental (ANOVA)

Aquí los tratamientos se refiere a las categorías de la variable predictora que se van a comparar. En un estudio experimental los tratamientos representan a las diferentes manipulaciones realizadas. En un estudio observacional los tratamientos representan a diferentes grupos (generalmente) ya existentes.

Se distinguen diseños uni-factoriales y multi-factoriales. Factor es la variable independiente a medir, y generalmente los tratamientos tienen varios niveles o variaciones (treatment levels) a contrastar. Main effects son los efectos atribuidos a un solo factor. Interaction effects se refiere a los efectos atribuidos a ciertos valores de cada factor.

ANOVA de un factor Cuando se quiere comparar las diferencias de las medias entre 2 ó más tratamientos. Ejemplo: reclutamiento de percebes en distintos tipos de roca (granito, cemento, pizarra). Una desventaja es que no toma en cuenta la (posible) influencia de la heterogeneidad ambiental. Esto es especialmente importante a considerar si el “ruido” ambiental es más fuerte que el efecto de los tratamientos. Un alto número de repeticiones ayuda a solventar en parte este problema.

Diseño aleatorio de Bloques Es una manera eficiente de incorporar cualquier tipo de heterogeneidad ambiental, donde ésta es más parecida dentro de bloques que entre bloques. Dentro de cada bloque debe constar una réplica de cada tratamiento distribuida al azar. Entre repeticiones de cada tratamiento y entre bloques debe asegurarse su independencia. ¿y si existe un gradiente ambiental marcado?

Es una manera eficiente de incorporar cualquier tipo de heterogeneidad ambiental, donde ésta es más parecida dentro de bloques que entre bloques. Dentro de cada bloque debe constar una réplica de cada tratamiento distribuida al azar. Entre repeticiones de cada tratamiento y entre bloques debe asegurarse su independencia. ¿y si existe un gradiente ambiental marcado? Entonces cada bloque debe abarcar un pequeño intervalo de este gradiente.

Este diseño permite reducir el número de repeticiones por tratamiento.

Entre las posibles desventajas están que si el tamaño de muestra es pequeño y el efecto de bloque es débil este tipo de diseño es menos poderoso que el de un factor. Si los bloques deben obligatoriamente ser muy pequeños (por espacio por ejemplo) se podría estar transgrediendo la independencia de los efectos. Si se pierde uno de los tratamientos, todo el bloque debe ser eliminado, lo que reduce el número de replicaciones y por ende su poder estadístico.

Este diseño asume que no existe interacción entre bloques y los tratamientos. Supone que el efecto de bloque es lo suficientemente fuerte para tener una homogeneidad en las respuestas (intra bloques), es decir los rangos de respuestas de los tratamientos entre-bloques son los mismos. Si esto no sucede, el diseño de bloque estaría fallando entonces en caracterizar el efecto de los tratamientos.

Diseño Anidado Es un tipo de diseño en el cual se incorpora un sub-muestreo para cada tratamiento. En este ejemplo vemos que el número de obs. pasa de 30 a 90. ¿Y la independencia de las observaciones? Efectivamente se rompe este supuesto, pero esto es con el fin de obtener una mayor precisión en las medidas del efecto de un tratamiento para cada repetición (promedios se acercan más a la realidad). Con este diseño se puede conocer no sólo si hay diferencias entre tratamientos (= ANOVA de un factor), si no si existen diferencias entre réplicas dentro de tratamientos.

Se puede extender este tipo de diseño a nivel jerárquico. Es decir, tener submuestras dentro de réplicas de tratamientos, tratamientos dentro de localidad 1, localidad 1 dentro de localidad 2, localidad 2 dentro de localidad 3 Con esto se puede analizar si la variación es mejor explicada a nivel de un nivel en particular (localidad 2) o por efecto mismo de los tratamientos. OJO con no tomar a cada submuestra como una replicación, al no ser independiente caemos en la pseudoreplicación. Si no está bien llevado esto puede traer problemas graves. En esto casos es mejor invertir recursos en replicaciones reales simples.

ANOVA multifactorial (dos vías) Es un tipo de diseño utilizado cuando se quiere evaluar el efecto de dos o más factores sobre una variable respuesta. Aquí cada nivel de tratamiento debe estar representado por cada uno de los factores añadidos. Si esto no se cumple a cabalidad el discernimiento del efecto entre un factor y un tratamiento sería imposible. Desventaja : el número de muestras crece exponencialmente con cada nueva repetición lo que puede hacer de un estudio muy pesado logísticamente.

Diseño Split-plot Es una extensión del diseño aleatorio de Bloques y el ANOVA multifactorial para dos tratamientos experimentales. Aquí cada bloque representa la aplicación de un segundo factor. Acá la ventaja es que también toma en cuenta variables externas como la heterogeneidad ambiental etc. Se puede conocer el efecto ejercido por el bloque, el tratamiento y la interacción entre ambos.

tarea

Para el día XX XXX XXXX, en parejas, elija cualquier diseño tipo ANOVA y plantee un experimento sencillo que busque responder a una pregunta investigativa. Entregarlo en formato PowerPoint: Apellidos_Tarea7_DExperimental.ppt