jeje

1. Taller de Título 2
Metodología:
Análisis de datos
Pontificia Universidad Católica de Valparaíso
Escuela de Agronomía
Nathalie Kuhn

2. Nombre Taller de Titulo 2 AGR 612-01
Créditos 4
Horario Lunes 9:35-12:05 – recreo 10:45
Modalidad
Teoría: Clase expositiva 9:35-10:45
Práctica: Actividades prácticas 11:00-12:05
Prerrequisitos Taller de Título 1
Aspectos Generales

3. Secciones a desarrollar en el Taller 2
Corrección
Taller 1
Metodología
Plan de
trabajo
Resultados
esperados
Presupuesto
Organigrama
Defensa
Escrito Final
Entrega 1:
Correcciones
Taller 1
Entrega 2
Entrega 3
Entrega 4
Entrega 5
Entrega 7
Entrega 6

4. Requisito asistencia:
75% asistencia (14 sesiones, pueden faltar 3 sin
justificar). Retiro injustificado en medio de la clase
no se considerará.

5. Fecha Actividad
29 de agosto Clase 3. Aspectos metodológicos de las
propuestas: Diseños estadísticos
Alumnos realizan presentación donde describen
análisis estadístico que utilizarán en sus proyectos
(formativo).
05 de
septiembre
Clase 4. Plan de trabajo y carta Gantt.
Entrega 2. Metodología. Exposición y escrito.
Próximas actividades

6. CLASE DE HOY:
-Estrategia experimental y esquema de
muestreo
-Tipos de variables de evaluación
-Análisis de los datos.

7. Estrategia experimental
y Esquema de Muestreo

8. • Cuántas variables afectarán los datos que
deseo medir?
• Cuántas muestras requiero para demostrar
una hipótesis estadística?
• Cuántas veces se repetirá un ensayo?
• Qué método de análisis de datos deberá
usarse?
Estrategia experimental
• Revisar metodología de trabajos
(papers, tesis, etc) similares

9. Esquema de muestreo
• Definir número de réplicas para cada uno
de los ensayos a realizar

10. 200 frutos
40 frutos
40 frutos
40 frutos
40 frutos
40 frutos
Control
Tres
concentraciones
de levadura
Mediciones:
1. Número de
frutos infectados
2. Tamaño de
lesiones (mm)
B. cinerea
Esquema Muestreo
Muestras de suelo; plantas..

11. Análisis datos: Estadística

12. VARIABLES ESTADÍSTICAS

13. •Variables discretas, que toman únicamente
valores puntuales. Por ejemplo, el número de
hijos de una mujer es siempre un valor entero:
0, 1, 2, 3, ...
•Variables continuas, que pueden tomar
cualquier valor dentro del conjunto de los
números reales R
Variables estadísticas

14. • Un factor es una variable categórica
con un número finito de valores o
niveles.
• Variable de respuesta: Variable que
se desea determinar si es afectada por
una variable ambiental, un tratamiento,
etc
Variables y factores

15. TEST ESTADÍSTICOS

16. Variable respuesta
-Diámetro frutos (cm)
-Densidad de nemátodos (n°/m2)
-Rendimiento (kg/Ha)
Análisis estadístico
 Test de normalidad y homogeneidad de varianza
 Análisis de varianza ANOVA
 Test de separación de medias Tukey (α = 0.05)
 Software R
Detalle del los análisis estadísticos
recomendado en sus presentaciones
Se testea normalidad para
saber si puedo usar el Test
Qué hace el test
Nivel de
significancia
Factores
-Zona climática
-Tratamientos
-Variedad
Incluir
unidades

17. Algunos análisis requieren datos de
poblaciones que cumplan supuestos:
• Las poblaciones son normales.
• Las muestras sobre las que se aplican los
tratamientos son independientes (ej: población
control y población tratamiento).
• Las poblaciones tienen todas igual varianza
(homogeneidad de varianza)
Detalle del los análisis estadísticos

18. Paquete estadístico

19. Cómo funciona?
• Hipótesis nula: "Los datos tienen distribución normal"
• Hipótesis alterna: "Los datos no tiernen distribución normal"
• Se calcula W, y el programa presenta el valor de p.
• En éste ejemplo, como el nivel de confianza es 97%, es decir
0.97, entonces el nivel de significancia (alfa) es 0.03.
• Como el p es mayor que alfa, se concluye que se acepta la
hipótesis nula y por lo tanto los datos sí tienen distribución
normal.

20. Cómo se comparan 2 medias?
Prueba de t-Student; para saber si hay
diferencias significativas entre grupos de
datos; ej: control y tratamiento
Una prueba t (también conocida como
prueba t de Student) es una herramienta para
comparar las medias mediante pruebas de
hipótesis.
Detalle del los análisis estadísticos
La prueba t para dos muestras independientes será fiable
solo si cada muestra se ajusta a una distribución normal

21. ANOVA
ANOVA : Cómo una variable es afectada por uno o
más factores (si existen diferencias significativas
producidas por los factores)
Los análisis ANOVA requieren datos de poblaciones que
cumplan supuestos:
• Las poblaciones son normales.
• Las muestras sobre las que se aplican los tratamientos son
independientes.
• Las poblaciones tienen todas igual varianza (homogeneidad
de varianza)

22. Normalidad de los datos
• Las pruebas no paramétricas también se conocen como pruebas
independientes de la distribución
• El test de Kruskal-Wallis es la alternativa no paramétrica al test ANOVA
de una vía; Test post hoc: Bonferroni, Mann-Whitney, etc
T-Student, ANOVA exigen misma distribución en los grupos a comparar
(son test paramétricos)

23. Un ANOVA de una vía es un tipo de prueba estadística
que compara la varianza en las medias del grupo
dentro de una muestra mientras se considera solo una
variable o factor independiente.
Un ANOVA de una vía compara tres o más de tres
grupos categóricos para establecer si hay una
diferencia entre ellos.
ANOVA de una vía
Efecto del
tiempo en el
peso?

24. ANOVA de dos vías
En el ANOVA bidireccional cada muestra se define de dos formas y,
como resultado, se clasifica en dos grupos categóricos. Aquí tenemos
2 factores (mes y género de la marosa)
El ANOVA bidireccional, el efecto de dos factores (mes y sexo) sobre
una variable dependiente, en este caso el peso, y también examina si
los dos factores se afectan entre sí
Efecto del
tiempo y el
sexo en el
peso?

25. ANOVA una vía: Tratamiento 1 vs Tratamiento 2 vs Tratamiento
3 vs etc
Después del ANOVA: Test de Tukey para identificar cuál
Tratamiento genera diferencias estadísticas (Prueba post-hoc)
ANOVA dos vías: Testigo vs Tratamiento 1 (concentración 1, 2, 3,
4..) vs Tratamiento 2 (concentración 1, 2, 3, 4..) etc
Posterior al ANOVA: Test de Tukey
FACTOR 1: Tratamientos (1, 2, 3..); FACTOR 2: Concentración
ANOVA dos vías: Ejemplo, Tratamiento en distintas variedades
FACTOR 1: Tratamientos (1, 2, 3..)
FACTOR 2: Variedades (Lapins, Regina, Santina,…)
Test pos-hoc de comparaciones múltiples para determinar
dónde ocurre la interacción (Tukey, LSD de Fisher, Duncan)
ANOVA multifactorial: Control vs tratamiento en distintas
variedades en distintas fechas
FACTOR 1: Tratamiento
FACTOR 2: Variedades
FACTOR 3: Fechas
Test pos-hoc de comparaciones múltiples para determinar
dónde ocurre la interacción (Tukey, LSD de Fisher, Duncan)
t-Test: Tratamiento vs control (comparamos solo dos medias)
INTERACCION
INTERACCION

26. Análisis de Correlación
Las pruebas de correlación se utilizan para probar
la asociación entre dos variables cuantitativas.
•Variables in
dependiente, eje x
(ej: tiempo)
•Variables
dependiente, eje y
(ej: altura)

27. El coeficiente de
correlación de
Spearman es menos
sensible que el de
Pearson para los
valores muy lejos de lo
esperado.
Análisis de Correlación

28. Ejemplos:
• Los análisis estadísticos se llevaron a cabo utilizando
STATGRAPHICS Centurion XVII software (StatPoint
Technologies, Warrenton, Virginia, USA).
• Se utilizará el paquete estadístico InfoStat (Di Rienzo et
al., 2015) y su conexión con el software R (R Core
Team, 2015 ).
Paquete estadístico

29. Trabajo en clase
1) Revisar su metodología
2) Revisar su diseño experimental
3) Revisar el número de réplicas y esquema de
muestreo
4) Identificar variables y factores
5) Determinar cuál sería el análisis adecuado
considerano variables y factores

30. HOY hasta las 23:59 Entrega 1.
Correcciones de Taller 1. Solo escrito
(Word).
-incorpora comentarios al escrito de
Avance 3
-incorpora comentarios Examen

31. Siguiente clase (29-8):
Alumnos realizan presentación donde
describen análisis estadístico que
utilizarán en sus proyectos (formativo).
4 diapos:
Diapo 1: objetivo del análisis
Diapo 2: qué hace el análisis
Diapo 3: ejemplo donde se aplica análisis
Diapo 4: por qué usará este análisis en el
proyecto