You are on page 1of 32

UNIVERSIDAD VERACRUZANA

FACUL TAD DE CIENCIAS BIOLGICAS Y


AGROPECUARIAS '.

]
ESCUELA DE BIOLOGIA

J
MANUAL DE PRCTICAS DE
J
. BIOESTADISTICA

J
CARLOS GONZALEZ-GANDARA
J

J TUXPAN, VER. SEPTIEMBRE, 2006

J
INDICE DE PRCTICAS

NMERO DE PRCTICA TTULO PAG.

PRCTICA 1 VARIABLES EN BIOLOGA 4

.J
PRCTICA 2 ESTADSTICAS GENERALES 8

PRACTICA 3 LAS MEDIDAS DE TENDENCIA CENTRAL Y


J
DE DISPERSiN 12

J PRACTICA4 PROBABILIDAD 18

PRCTICA5 DISTRIBUCiN DE PROBABILIDAD 20


]
PRCTICA6 DISTRIBUCiN NORMAL 21

] PRCTICA7 PRUEBA DE HIPTESIS Y T-STUDENT23

PRACTICA8 ANLISIS DE VARIANZA I 26


]
PRACTICA9 ANLISIS DE VARIANZA 11 27

] PRCTICA 10 CORRELACiN 31

PRCTICA 11 REGRESiN 32
]

]
Introduccin
El 14 de junio de 2004, se aprob la nueva currcula de la licenciatura en
Biologa de la Universidad Veracruzana. Esta situacin enmarca un
compromiso de 105 acadmicos para ensear a 105 alumnos, utilizando
estrategias que adems de inculcar conocimientos, promuevan la aplicacin de
habilidades que permitan interpretar la estructura y el funcionamiento de 105
seres vivos. La bioestadstica como experiencia educativa tiene su fundamento
en la abstraccin, sin embargo, tiene una amplia aplicacin en el estudio de 105
seres vivos y sin duda representa una oportunidad inmejorable para ejercitar el
MEIF.

] La formacin profesional del bilogo se refuerza con las actividades de campo,


donde el estudiante contacta con 105seres vivos, sus hbitats y 105factores
que determinan 105patrones de distribucin y abundancia de las diferentes
I especies. Para explicar estos aspectos no son suficientes las observaciones,
sino que es necesario utilizar herramientas estadsticas que validen estas
observaciones.. Con este manual se propone organizar las actividades de
1 docencia, aplicando 105 fundamentos estadsticos para interpretar a las
poblaciones y comunidades biolgicas.

El manual se ha organizado en prcticas y ejercicios estadsticos que


corresponden a seres vivos. Toda la informacin, procede de trabajos de
j investigacin en seres vivos realizados por personal especializado, tanto en el
diseo experimental como en el muestreo biolgico. Este manual de prcticas
incluye a las herramientas estadsticas bsicas que se utilizan en el diseo
J experimental y en la investigacin biolgica. El manual se divide en tres partes:
en la primera se abordan la identificacin, medicin de variables y estimaciones
bsicas, en al segunda, se citan 105 elementos bsicos de la inferencia
J estadstica y en el tercero se abordan mtodos y ejercicios de diseo
experimental y para determinar relaciones entre variables.
J

J
PRCTICA 1
VARIABLES EN BIOLOGA

Introduccin
La biologa al igual que otras ciencias tiene su propia serie de variables que
incluye a medidas morfolgicas, concentraciones de substancias en los
cuerpos o en el ambiente, frecuencia y velocidad de eventos y procesos entre
otras. Una variable se define como la propiedad con respecto a la cual los
individuos de una muestra difieren de algn modo verificable (Sokal y Rohlf,
1999). Las variables biolgicas se pueden dividir en: medibles, las que a la vez
pueden ser continuas y discretas o discontinuas y clasificables o cualitativas,
las que no se pueden medir y normalmente se basan en atributos. Una parte
de la investigacin consiste en recolectar los datos de las variables
(Hernndez-Sampieri, et al., 2000). Para esto se requiere seleccionar las
variables y efectuar las mediciones correspondientes. Medir significa asignar
nmeros a objetos y eventos de acuerdo a reglas, estas mediciones deben ser
confiables y vlidas, para lo cual se utilizan instrumentos tales como: reglas,
I cintas mtricas, balanzas, etc. En esta prctica los alumnos persiguen los
siguientes objetivos

]
Objetivos
Distinguir las variables cualitativas de las cuantitativas
] Enlistar y clasificar las variables utilizadas en los seres vivos de un ecosistema
particular.
Realizar mediciones de variables cualitativas y cuantitativas en tres grupos de
I organismos.
Obtener informacin de las variables seleccionadas.

J Material
Ictiometro 50 cm, Balanza granataria 2610gr, Vernier 20 cm, Clinometro,
Marcador de tinta endeleble, cinta mtrica de 1.5m y 50 m, cinta masking,
J bitcora de campo,

Materiales y mtodos
J
El profesor guiar a sus estudiantes a un ecosistema de la regin y ah, los
alumnos en base a observaciones definirn los atributos de los seres vivos y
del ambiente que sean susceptibles de ser registrados. Tomarn nota de los
J
atributos y las variables en su bitcora y posteriormente seleccionarn algunos
de stos para medirlos o clasificarlos.
J
Variables cualitativas
Son aquellas que n o se pueden medir pero si pueden ordenarse por sus
J
atributos particulares como: el color y la fQrma.

J
En un bosque de la zona, escoja un sitio y observe la vegetacin y enseguida
clasifique a las plantas en categoras, de acuerdo a su criterio y a sus
observaciones propias, partiendo de que los patrones detectados sean
J repetibles en otros sistemas parecidos. Por ejemplo, las plantas pueden
--
clasificarse en: herbceas, arbustivas y rboreas. Adems, las herbceas
pueden catalogarse en: rastreras, epifitas y erguidas.

Variables cuantitativas
Son aquellas que son susceptibles de medirse y sus valores se expresan en
forma numrica y ordenada. Pueden ser continuas y discontinuas.

Connuas .
Son las que tericamente pueden tomar un nmero infinito de valores entre dos
puntos determinados. A connuacin se refieren algunas medidas de este tipo
y la forma de obtener/as

Medicin de rboles y arbustos


La lonaitud totai
Para estimar la longitud de un rbol o arbusto se utiliza un aparato llamado
clinmetro que se basa en determinar el ngulo que se forma entre una lnea
horizontal (altura a los ojos del observador) y otra oblicua (altura a la copa del
rbol). Algunas veces no se tiene este aparato y entonces se recomienda
implementar un utensilio con una escuadra o con un transportador (Bennet y
Humpries, 1981), como se indica en la figura 1. .

j
Hilo con plomo

j Figura 1.-Utensilios para estimar la altura de los rboles.

j Se coloca el ojo en la mirilla de la escuadra y se camina hacia atrs hasta


ubicar la copa del rbol. Luego se mide la distancia del observador al rbol y
ese dato corresponde a la altura (Figura 2).
J

J
A
e
J
B

Figura 2.-Estimacin de la longitud de rboles utilizando una escuadra con


J mirilla.
SI E=D; A=tana
B= distancia de los pies a los ojos del observador o
tan p
C=A+ B
Datos conocidos Incgnitas
a,E A, 1,2, X 2=90-0.
A= E tan a X=EIcos a
SI a = 40 Y D= 12.5m
A=12.5 tan 40a
A= (12.5) (0.839)= 10.49
C= 10.49+1.55=12.04 m

Otra opcin es utilizando un transportador, con un popote ubicado en la parte


recta y un pequeo lastre en la parte media donde el ngulo es de 90 (Figura
3). El observador ubica la copa del rbol en la mirilla y mide la distancia de l al
rbol, adems del ngulo que se forma entre el eje horizontal y la ubicacin a la
punta. Al final realiza los clculos que se citan abajo para obtener la longitud de
la planta.

SiE=D
A .
A= E tano:
E 111 B=D sen p
B C
1 E=D cos P
C=A+B+K
1 K

Los valores de tangente, coseno, etc, se buscan en tablas logarltmicas o bien el


Excel. En este caso se deben convertir a radianes y luego sacar la tangente.

Figura 3.-Mtodo de estimacin de la altura de los rboles.

Dimetro a la altura del pecho (DAP)


Esta es una medida que frecuentemente se utiliza para estimar el crecimiento
de los vegetales. Para esto, se coloca un pedazo de cinta masking en un
individuo a la altura de 1.30m desde el suelo y sta ser la referencia para
determinar el dimetro de cada rbol.

Los peces
Una de las medidas para estimar el crecimiento en peces es la longitud total y
la longitud patrn o estndar. stas son: la medida desde la punta del hocico a
la punta de la cola y la medida de la punta del hocico hasta donde termina la
columna vertebral del pez (Figura 4).
Longitud total
~
Lonaitud patrn

J
i

Figura 4.-Medidas de longitud para los peces

Discretas
Son aquellas que tienen valores numricos fijos, sin puntos intermedios.

Para obtener informacin sobre este tipo de variables, en el jardn de la


Escuela de Biologa, primero identifique las diferentes especies existentes y
luego cuente el nmero de individuos de cada especie. Con la informacin
recabada, haga una tabla, citando la especie y el nmero de individuos
correspondiente. En caso de que no logre identificar las especies, identifquelas
con un nmero progresivo, anotando sus caracterlsticas, que le permitan
distinguirlas perfectamente en el futuro.

Referencias
Bennet, D. P. Y D. A. Humpries.1981. Ecologla de campo. Blume. Madrid.
326p.
Laevastu, T. 1971. Manual de mtodos de biologa pesquera. Acribia.
Zaragoza, 243p.
Lpez, D. M. C. 2000. Patrones de comportamiento relativo al proceso de
madurez sexual de la jaiba azul (CDII/nectessapidus) Rathbun, 1896, en
un sistema cerrado. Tesis de Licenciatura, Universidad Veracruzana,
Tuxpan.
Sokal, R. R. Y F. J. Rohlf.1999. Introduccin a la bioestadstica. Revert.
Barcelona. 362p.
]
]
PRCTICA 2
ESTADSTICAS GENERALES
] Introduccin
La estadstica est ligada con los mtodos cientficos en la toma, recopilacin,
presentacin y anlisis de datos que permiten deducir conclusiones para tomar
] decisiones. Tanto para la toma de datos como para su presentacin y anlisis
se requiere considerar algunas normas y conocimientos sobre: redondeo,
notacin sistemtica, las funciones, coordenadas, logaritmos entre otros, que
] facilitan el entendimiento de las matemticas en general y de la bioestadstica
en particular. Con la siguiente serie de ejercicios se pretende que el alumno se
familiarice con la forma correcta de escribir las cifras y presentar los datos de la
] investigacin biolgica.

Objetivo .
] Practicar algunos procedimientos estadsticos bsicos

EJERCICIOS
] REDONDEO
Redondear I .. .'d d --- - - -. ',..' .. 'd
Nmero Aproximacin Cifra redondeada
] 234 Decenas
48.567 Centsimas
1.24365 Diezmilsimas
] 0.00235 Diezmilsimas
5.435 Centsimas

NOTACION SISTEMTICA
Utilizando las potencias de 10, presente la notacin sistemtica para las
] siguientes e xpreslones
.
Nmero Notacin
sistemtica
] 10 x 10 x 10 x 10 x 10 x 10 x 10
10x10x10x10
10x10
] 10x10x10x10x10
0.0002
0.001
] 0.00004
8 900 000 000
0.01
) 0.000004

COORDENADAS RECTANGULARES
]
Considerando un eje de coordenadas rectangulares, ubique los siguientes
] puntos:

3,2; 10,-4; -4, -5; 0,8; -5,6; 9,-1; 2,7;-3,3; 5,-4 Y -6,-6.
]
]
] REPRESENTACIONES
Con la informacin obtenida en la prctica 1, realice una tabla donde se
] indiquen las especies y su abundancia. Con esta informacin realice un
diagrama que explique el aporte de cada especie en porcentaje.

]
]
]
] LOGARITMOS y ANTILOGARITMOS

Estimar ellogaritmo de los siguientes valores:


]
Nmero LOQaritmo10
45
] 2.6
139
0.024
] 0.24
2.4
24
240
2400
] 24000

Calcular el antilogaritmo de los siguientes valores:


]
Nmero AntiloQaritmo
] 1.65321251
0.41497335
2.1430148
] -1.61978876
-0.61978876
0.38021124
) 1.38021124
2.38021124
] 3.38021124
4.38021124

]
]
]
] SOLUCION A LOS EJERCICIOS

] REDONDEO
Nmero Aproximacin
234 Decenas 23
] 48.567 Centsimas 48.58
1.24365 Diezmilsimas 1.2436
0.00235 Diezmilsimas 0.0023
J 5.435 Centsimas 5.44

] Nmero Notacin
sistemtica
10 x 10 x 10 x 10 x 10 x 10 x 10 10'
] tOx 10x 10x 10 104
10 x 10 10
10 x 10 x 10 x 10 x 10 105
] 0.0002 2 x 10-4
0.001 10-J
0.00004
] 8 900 000 000
4 x 10-:>
89 X 10!S
0.01 10-2
] 0.000004 4 x 1O-b

1 LOGARTIMOS
Nmero LOQaritmo 10
45 1.65321251
2.6 0.41497335
] 139 2.1430148
0.024 -1.61978876
0.24 -0.61978876
J 2.4 0.38021124
24 1.38021124
240 2.38021124
] 2400 3.38021124
24000 4.38021124
J
ANTILOGARITMOS
Nmero AntiloQaritmo
J 1.65321251 45
0.41497335 2.6
2.1430148 139
I -1.61978876 0.024
-0.61978876 0.24
0.38021124 2.4
1.38021124 24
2.38021124 240
3.38021124 2400
4.38021124 24000
]
]
Defina el tipo de las siguientes variables cualitativas o cuantitativas
] El color de las flores

] La forma de las hojas

La altura de un rbol
] El dimetro a la altura del pecho

] La longitud del hocico

]
Clasifique y agrupe las siguientes variables en: discretas y continuas.

1 El nmero de individuos de una poblacin


El ancho de una hoja
La longitud de la concha en un molusco
] El nmero de nervaduras en una hoja
La longitud de las espinas en un pez
El nmerode ptalosen una flor .
] El numero de cloroplastos en una hoja

Bibliografa
n
Sokal, R R Y F. J. Rohlf.1999. Introduccin a la bioestadstica. Revert.
Barcelona. 362p.
] Hernndez-Sampieri, R, C. Fernndez-Collado y P. Baptista-Lucio. 20.0.0..
Metodologa de la investigacin. Mc Graw Hill. Mxico, 50.1p.

]
]
]
]
] ,.

]
1

l
1 PRACTICA 3
LAS MEDIDAS DE TENDENCIA CENTRAL Y DE DISPERSiN
"] Introduccin .
Para explicar los eventos biolgicos, los datos generados como resultado de
1 las mediciones, deben resumirse, de modo que nos permitan describir las
caractersticas de la muestra e inferir sobre la poblacin. Las medidas que
describen las caractersticas de una muestra (estadstica) o de una poblacin
1 (parmetro) forman parte de la estadstica descriptiva. Entre las medidas ms
comunes estn las de tendencia central y las de dispersin. Las primeras se
ubican hacia el centro del conjunto de datos, siendo las ms comunes: la media
1 aritmtica, la mediana y la moda, y las segundas marcan el grado de dispersin
de los datos con respecto a la media del conjunto, siendo las ms comunes: el
rango, la varianza y la desviacin estndar. En esta prctica, los alumnos
1 estimarn los. valores de las medidas de tendencia central y de dispersin a
partir de un conjunto de datos que debern ser agrupados y representados
grficamente.
1
Objetivo.
Agrupar los datos
1 Aplicar las herramientas estadsticas para calcular algunos parmetros de
tend~ncia central y de dispersin.
Expresar la informacin mediante histogramas y polgonos de frecuencias.
1
Materiales y mtodos

n A continuacin se presenta un conjunto de datos que corresponden a la


longitud de las hojas de Thalassia testudinum procedente del arrecife Lobos.

J Longitud Longitud Longitud Longitud Longitud Longitud


(cm) (cm) (cm) (cm) (cm) (cm)
6.9 14.1 16.6 19 22.7 27
,1 8 14.3 16.7 19.1 23.2 27.1
10.2 14.4 17 19.4 23.5 27.6
10.5 14.5 17 19.5 23.7 28.6
.1 11.5 14.8 17 19.5 24 28.6
11.8 15 17.2 19.5 24 28.9
12.2 15.1 17.3 19.5 24.5 29
.1 12.3 15.4 17.4 19.6 25 29.7
12.5 15.5 17.5 19.8 25.2 29.9
12.6 15.7 17.6 20 25.2 31.5
] 12.8 15.9 18 20 25.3 32
12.9 16 18 20.5 25.9 32.5
13.5 16.1 21 26.2 34.5
] 13.6 16.2
18.5 .
18.7 ' 21 26.6 37.5
13.9 16.5 18.8 22.4 27 37.9
1:
1.-Agrupe los datos y realice una tabla de frecuencias
2.-Calcule la media aritmtica, la mediana y la moda
1 3.-Realice un histograma y un polgono de frecuencias
1

1
SOLUCION

1 N=90 lag 90= 1.95424251

R=37.9 - 6.9=31
1
K= 1+ 3.3322* lag N K=1+ 3.322 * 1.95424251== 7.49199362 = 8

W=31/8=3.875
1

1.95424251
1
Tabla de frecuencias
Intervalo de clase
Limite inferior Limite superior Frecuencia
1 6.9 10.9 4
11 15 17
15.1 19.1 26
1 19.2 23.2 15
23.3 27.3 15
27.4 31.4 7
1 31.5 35.5 4
35.6 39.6 2

1
Calculo de los lmites reales y de la marca de clase

n Para el clculo se considera el lmite superior de la clase 1 ms el lmite inferior


de la clase 2 entre dos.

1 Limite real superior de la clase 1= 10.9 + 11.0/2= 10.95


Limite real superior de la clase 2= 15.0 + 15.1/2= 15.05
Limite real superior de la clase 3= 19.1 + 19.2/2= 19.15
1 Limite real superior de la clase 4= 23.2 + 23.3/2= 23.25
Limite real superior de la clase 5= 27.3 + 27.4/2= 27.35
Limite real superior de la clase 6= 31.4 + 31.5/2= 31.45
1 Limite real superior de la clase 7= 35.5 + 35.6/2= 35.55
Limite real superior de la clase 8= 35.5 + 4.1= 39.65

1 Limite real inferior de la clase 1= 10.85-4.1= 6.85


Limite real inferior de la clase 2= 10.95
Limite real inferior de la clase 3= 15.05
.1 Limite real inferior de la clase 4= 19.15
Limite real inferior de la clase 5= 23.25
] Limitereal inferiorde la clase 6= 27.35 /
Limite real inferior de la clase 7= 31.45
Limite real inferior de la clase 8= 35.55
.1
La marca de clase se obtiene sumando el lmite real inferior al lmite real
1 superior y dividiendo el resultado entre dos. Ejemplo
1

1
6.85+10.95/2= 8.9
10.95+15.05/2=13.0
15.105+19.15/2=17.1
1
Limiteinferior Limite superior Limitereal inferior Limiterealsuperior Marca de clase Frecuencia
6.9 10.9 6.85 10.95 8.9 4
1 15.05 13 17
11 15 10.95
15.1 19.1 15.05 - 19.15 17.1 26
19.2 23.2 19.15 23.25 21.2 15
1
23.3 27.3 23.25 27.35 25.3 15
27.4 31.4 27-.35 31.45 29.4 7
31.5 35.5 31.45 35.55 33.5 4
1
35.6 39.6 35.55 39.65 37.6 2

1 Histograma de frecuencias

30
1
.25

1
20
ea
'(j
e
~ Q) 15
(,,)
e
u. 10
.)
5
1
o
8.9 13 17.1 21.2 25.3 29.4 33.5 37.6
1
M arca de clase

1 Distribucin de tallas de hojas de Thalassia testudinm en el arrecife Lobos.

1
Polgono de frecuencias
I

30

I F
r 25
e
I
e 20
u
e
15
n
J
e
i 10
a
]
5

J O
8.9 13 17.1 21.2 25.3 29.4 33.5 37.6
Marea de elase
J

Distribucinde tallas de hojas de Thalassia testudinm en el arrecife Lobos.


1

Frecuencia acumulada y frecuencia relativa


n Tabla de frecuencias
Intervalode clase
Frecuencia Frecuencia Frecuencia
1 LImite LImite Frecuencia relativa Frecuencia relativa
inferior superior acumulada relativa acumulada
6.9 10.9 4 4 4/90 0.04444444 0.04444444
1 11 15 17 21 17/90 0.18888889 0.23333333
15.1 19.1 26 47 26/90 0.28888889 0.52222222
19.2 23.2 15 62 15/90' 0.16666667 0.68888889
23.3 27.3 15 77 15/90 0.16666667 0.85555556
1
27.4 31.4 7 84 7/90 0.07777778 0.93333333
31.5 35.5 4 88 4/90 0.04444444 0.97777778
35.6 39.6 2 90 2/90 0.02222222 1
1 total 90 1

1
Clculo de las medidas de tendencia central y de dispersin

La media

]
Intervalo de clase
Limite Limite Marca de Frecuencia
] inferior
6.9
superior
10.9
clase (Mi)
8.9
(ti)
4
Miti
35.6
11 15 13 17 221
15.1 19.1 17.1 26 444.6
] 19.2 23.2 21.2 15 . 318
23.3 27.3 25.3 15 379.5
27.4 31.4 29.4 7 205.8
1 31.5 35.5 33.5 4 134
35.6 39.6 37.6 2 75.2
total 90 1813.7
]
x= (8.9*4)+ (13 * 17)+ (17.1*26)+ (21.2*15)+ (25.3*15)+ (29.4*7)+(33.5*4)+
] (37.6*2/90

] Media= 20.1522222 = 20.15cm

Mediana
] El valor de la mediana es 90/2= 45, por lo cual, la mediana corresponde al dato 45 y ste se
ubica en el tercer intervalo de clase.

]
]
Frecuencia
Limiterealinferior. Limiterealsuperior Marca de clase Frecuencia acumulada
] 6.85 10.95 8.9 4 4
10.95 15.05 13 17 21
15.05 19.15 17.1 26 47
] 19.15 23.25.,. 21.2 15 62
23.25 27.35 25.3 15 77
27.35 31.45 29.4 7 84
] 31.45 35.55 33.5 4 88
35.55 39.65 37.6 2 90

] La mediana= 15.05 + 2/26 (19.15-15.05)= 18.83

---
j
]
J
]
] 82= (8.9-20.15)2*4+ (13-20.15)2 * 17+(17.1-20.15)2 *26+ (21.2-20.15)2*15+
(25.3-20.15) 2*15+ (29.4-20.15) 2*7+(33.5-20.15) 2*4+ (37.6-20.15) 2*2/89
] 82=43.13 8=6-57
Bibliografa
] 8okal, R. R. Y F. J. Rohlf.1999. Introduccin a la bioestadstica.
Barcelona. 362p.
Revert.

]
]
]
J
]
]
]
]
]
]
]
]
PRACTICA 4
PROBABILIDAD
] Introduccin
La teora de la probabilidad es la base para la inferencia estadstica. En el
sentido clsico, se puede definir as:"Si un.evento puede ocurrir en N maneras
] mutuamente exclusivas e igualmente probables y si m de stas poseen una
caracterstica, E, la probabilidad de la ocurrencia de E es igual a m/N (Daniel,
1982). El enfoque de la probabilidad como frecuencia relativa depende de la
] repetibilidad de algn proceso y de la capacidad para contar el nmero de
repeticiones, as como del nmero de veces que ocurre algn evento de
inters y as la probabilidad de observar alguna caracterstica. En esta serie de
] ejercicios se pondr en prctica la teora de probabilidad

Objetivo
] Poner en prct~cala teora de probabiLidad.
EJERCICIOS
] 1.-Si tenemos en una pecera un total de 12 peces, 4 de la especie A y 8 de la
especies 8

] Cul es la probabilidad de que al sacar un pez de la pecera, pertenezca a la


especie A?
Cul es la probabilidad de que al elegir un pez de la pecera corresponda a la
] especie
8?
Cul es la probabilidad de que al sacar un pez de la pecera pertenezca a la
l especie A o 8?

2.-En un ecosistema arrecifal se efectuaron un conjunto de muestreos en


] cuatro sitios y en cada uno de ellos se determin el nmero de individuos de
cada grupo taxonmico. Los datos se presentan en el siguiente cuadro
] Grupo Sitios de muestreo Total
+axonmico
] E1 E2 E3 E4
81 Esponjas 12 8 5 10 35

]
82 Corales 2 23 12 3 60
escleractinios
] 83 Equinodermos 85 5 100
84 17 45 8 O 130
] Algas
85 Peces 10 ; 65 32 18 125

"] Total 136 146 101 rT7

]
Supongamos que se escoge un organismo al azar de todos los que estn en la
zona de estudio Cul es la probabilidad de que el organismo elegido sea
J
equinodermo y corresponda al sitio E1?

]
Cul es la probabilidad de que al seleccionar un organismo del total, ste sea
pez?
]
Cul es la probabilidad de que al seleccionar un organismo, ste sea alga?
]
Cul es la probabilidad de que al seleccionar un organismo, ste sea pez y
] pertenezca a la estacin 1 (E1?

]
Cul es la probabilidad de que al seleccionar un organismo, ste sea pez o
esponja?
]
Cul es la probabilidad de que al seleccionar un organismo, ste sea
] equinodermo o coral escleractinio?

l Cul es la probabilidad de que al seleccionar un organismo, ste sea pez


dado que pertenece a la estacin 2?

]
Cul es la probabilidad de que al seleccionar un organismo, ste sea coral o
alga?
]
Cul es la probabilidad de que al seleccionar un organismo, ste sea pez y
] pertenezca a la estacin 4?

] Bibliografa
Sokal, R. R. Y F. J. Rohlf.1999. Introduccina la bioestadstica. Revert.
Barcelona.362p.
]
]
1

]
PRCTICA 5
DISTRIBUCiN DE PROBABILIDAD

Introduccin
La distribucin de probabilidad de una variable aleatoria discreta es una tabla,
grfica, frmula o cualquier otro medio que se use para especificar todos los
valores posibles de una variable aleatoria discreta junto con sus posibilidades
respectivas (Daniel, 1982). En esta prctica los estudiantes representarn una
distribucin de probabilidad de una variable aleatoria discreta

Objetivo
Elaborar una distribucin de probabilidad de una variable aleatoria discreta

Material
Bitcora de campo, lpiz

Mtodos .

Seleccione una especie de planta y contabilice el nmero de flores que posee


cada una. Con esta informacin, construya su distribucin de probabilidad, por
medio de una tabla y de una grfica.

Bibliografa
Sokal, R. R. Y F. J. Rohlf.1999. Introduccina la bioestadstica. Revert.
Barcelona.362p.

]
PRCTICA 6
DISTRIBUCiN NORMAL
Introduccin
Para variables aleatorias continuas , la distribucin de probabilidad terica o
funcin de densidad de probabilidad puede representarse por una curva
continua, como se indica en la figura 1. Entendindose por densidad la
concentracin relativa de variantes sobre el eje X contra la frecuencia en el eje
y (Sokal y Rohlf, 1999). La formula fue publicada por primera vez por Abraham
J
De Moivre en 1733, aunque Carl F. Gauss realiz muchas aportaciones y a
menudo a esta distribucin se le conoce como distribucin gaussiana.Las
caractersticas ms importantes de la distribucin son:
] 1.-Es simtrica con respecto a su media, fl, la curva hacia cualquiera de los dos
ladosde fl es igual.
2.-La media, la mediana y la moda son iguales.
] 3.-EI rea total debajo de la curva por encima del eje x es una unidad
cuadrada. El 5%del rea est a la derecha de una perpendicular levantada en
la media y el 50% hacia la izquierda.
] 4.-Si se levantan perpendiculares a una distancia de una desviacin estndar
de la media, en ambas direcciones, el rea encerrada ser aproximadamente el
68% del total. Si extienden hasta dos desviaciones estndar, se encerrar
] aproximadamente el 95% del rea y si se extiende a tres desviaciones el rea
corresponder al 99.7% del total aproximadamente.
5.-La distribucin normal queda completamente determinada por los
] parmetros fl y cr.Esto es, se define una distribucin diferente para cada valor
diferentede fl y cr(Daniel, 1982). Toda vez que muchasde las variablesque
,J presentan los seres vivos se ajustan a una distribucin normal. En esta
prctica, los estudiantes generarn una base de datos utilizando variables en
vegetales, para luego construir una distribucin de probabilidad de la misma.
]
]
]
] z
Figura 1.-Dlstrlbuci6n normal de una variable aleatoria continua
]
]
Objetivos
] Representar la distribucin de probabilidad de un conjunto de datos
correspondientes a una variable aleatoria continua
]
~

J
Materiales: regla de 20 cm de longitud y aproximacin de 1mm, bitcora de
campo, lpiz.
j Mtodos
Seleccione una planta del jardn de "la Escuela o de un ecosistema vecino y
J mida la longitud total de las hojas, desde la base del pecolo hasta la punta de
la hoja, utilizando una regla de 20 cm con aproximacin a 1mm, hasta
completar un nmero igual a 200 datos obtenidos al azar.
]
Procure que la persona que realice la medicin sea la misma siempre. Registre
] sus datos en la bitcora de campo y posteriormente genere una base de datos
en el programa Excel y realice un histograma de frecuencias. Calcule la media
y la desviacin estndar
J Transforme los. datos a" una distribucin de Z. y calcule las probabilidades,
siguientes:

]
P(A~5)=
P(A<5)=
] P(A=7)
P(A>2)=
P(A<9)=
]
Bibliografa
1 Sokal, R. R. Y F. J. Rohlf.1999. Introduccina la bioestadstica. Revert.
Barcelona.362p.
]'

]
]
J

]
]
]
J

~
PRCTICA 7
PRUEBA DE HIPTESIS Y T-STUDENT
~ La prueba de hiptesis tiene el propsito de ayudar al investigador a tomar una
decisin relacionada con una poblacin, examinando una muestra. Una
hiptesis es una afirmacin acerca de una o ms poblaciones. Sin embargo, si
J las muestras son pequeas, menores a 30, se llaman pequeas muestras y
una de las estadsticas para estudiarlas es la prueba T-student. Esta es el
estadstico que marca la distribucin y es anlogo a la distribucin de Z. Si se
J consideran muestras pequeas de tamao N, extradas de una poblacin
normalcon media J.l y si para cada muestrase calcula el valor de t, utilizando
la media muestral X y la desviacin tpica muestral s o s. se llega a la
] distribucin muestral de t y esta distribucin est dada por:

1.-En una laguna costera se tomaron datos de la longitud de la concha de


] mejilln (Ischium recurvus) en dos sitos diferentes. A partir de los siguientes
datos, se desea conocer si las medias de la longitud de la concha, son iguales
en ambos sitios
]
Estacin 1 Estacin 2
32 45 38 24
] 37
32
24
20
34
38
28
29
38 39 36 16
] 30
41
20
24
45
51
40
25
32 20 43 25
J 32
31
26
27
34
34
33
22
31 29 42 22
34 23 45 34
1 38 38 33 38
36 39 36 38
42 27 31 34
] 47 35 43 33
39 33 32 39
36 33 37 26
]. 39 25 37 35
36 31 35 48
32 32 39 40
] 38 26 22 42
31 35 31 34
45 26 27 30
38 29 18 29
J 36 34 23 39
39 25 32 27
] 29
26
34
34
33
26
27
43
29 35 25 18

] 14 27 20 34

]
r

~
Solucin
X1= 25.7 S= 11.42
X2= 25.46 S=12.26
~

~
T= (X1-X2)- (m1-M2)

T calculada=O. 0784
J

g.1. (30+30)-2= 58
] 1.6707 para 60

Se rechaza la hiptesis nula


]
J

J
Solucin

X1=32.25 X2=32.87
S1=6.67 S2=7.81

Ho= X1=X2
HA= X1~X2

T= 32.25-32.87/6.672/30 + 7.812/30
t=-O .3306
g.l. (30+30)-2= 58
1.6707 para 60

2.-Dos investigadores efectan estimaciones de las tallas de peces arrecifales


y debido a que' se requiere conocer el sesgo de cada uno, se debe valorar si
existen diferencias en sus estimaciones con respecto a los valores conocidos.
I A continuacin se citan los valores observados y los esperados.
Esperado Observado
46 48
1
30 26
29 28
40 42
36 34
]
19 20
24 22
25 23
] 27 29
16 14
21 21
1 31 32
48 48
20 20
] 26
38
27
39
18 16
] 22
44
24
46
32 37
] 28
33
26
34
34 33

] 12
4
8
4
..
23 21
14 12
J 8 8
17 16
6 6
] Bibliografa
Sokal, R. R. Y F. J. Rohlf.1999. Introduccina la bioestadstica. Revert.
Barcelona.362p.
]
-
PRACTICA 8
ANLISIS DE VARIANZA
Introduccin
El anlisis de varianza es una tcnica mediante la cual la variacin total
presente en un conjunto de datos se distribuye en varios componentes. Con
cada uno de estos componentes est asociada una fuente especfica de
variacin, de modo que en el anlisis es posible averiguar la magnitud de las
contribuciones de cada una de la s fuentes a la variacin total. El desarrollo de
este trabajo se atribuye a R. A. Fisher, que fue realizada entre 1912 y 1962. la
aplicacin del anlisis de varianza es muy amplio y es la base del diseo
experimental. El anlisis de varianza se usa con dos fines 1) estimar y probar
hiptesis acerca de las varianzas de poblaciones y 2) estimar y probar hiptesis
acerca de medias de poblacin

Objetivo .
Investigar el efecto de la aplicacin foliar de quitosano sobre el crecimiento de
. plntulas de lechuga (Lactuca sativa Linnaeus)
,
.

Material:
12 charolas de poliestireno con cavidades, semillas de lechuga, sustrato peat
moss, quirosano, atomizador, balanza analtica.

Mtodos
Seleccionar 100 semillas de lechuga de una variedad conocida (e.g. Great
, lakes 11),y colocarlas e n una charola de poliestireno expandido con
. cavidades, utilizando como sustrato peat moss Sunshine, sin aplicar fungicidas
ni insecticidas. A las plntulas se les aplicar fertilizante como fuente de
macro y microelementos. Utilizar el diseo completamente al azar con tres
repeticiones y un testigo. Cada tratamiento en una charola distinta. El
quitosano se aplicar con un atomizador, una vez a la semana a partir de
produccin de plntulas, durante un mes y medio. Se realizarn muestreos
cada quince das tomando 10 plantas al azar por tratamiento para determinar la
biomasas hmeda y seca , a dos niveles: raz y parte area. Con lo datos
obtenidos se aplicar una prueba de ANOVA y si fuera necesario una
comparacin de medias por el mtodo de lSD.

Bibliografa
Cochran, W.G. y G. M Cox. 2001. Diseos experimentales. Trillas. Mxico,
661p.
Sokal, R. R. y F. J. Rohlf.1999. Introduccin a la bioestadstica. Revert.
Barcelona. 362p.
PRACTICA 9
ANLISIS DE VARIANZA
Introduccin
El anlisis de varianza tambin se puede utilizar para comparar atributos de las
comunidades biolgicas, dado que muchas de ellas cumplen con los
supuestos del anlisis. Por ejemplo, con esta herramienta se puede probar si
dos o ms medias de muestreo proceden de poblaciones con la misma media
paramtrica o bien que esas medias difieren debido a que las muestras
proceden de poblaciones diferentes (Sokal y Rohlf, 1999). En estos ejercicios
se valorarn si existen diferencias entre estaciones d muestreo partiendo de
atributos ecolgicos.

Objetivo
Aplicar el anlisis de varianza para determinar diferencias en las estadsticas
ecolgicas entre sitios de muestreo

PROBLEMA: Se efectuaron muestreos en cuatro estaciones dentro de un


ecosistema y se calcul el ndice de diversidad de Shannon, entonces, se
quiere saber si los valores de este parmetro presenta diferencias entre los
sitios de muestreo o no.

Si se detectan diferencias, se sugiere aplicar una tcnica de separacin de


medias para definir los grupos homogneos.

o de abundancia d::le peces por eSItacin d ---- --


1 83 2 119 3 103 4 66
1 89 2 94 3 96 4 69
1 102 2 101 3 59 4 51
) 1 100 2 99 3 94 4 43
1 98 2 105 3 76 4 55
1 99 2 31 3 6 4 9
J 1 103 2 142 3 58 4 89
1 90 2 154 3 43 4 80
1 54 2 95 3 13 4 81
J 2 134
2 90
2 54
2 413
J 2 163
2 32
2 186
J 2 130
2 60

J
Bibliografa
Cochran, W.G. y G. M Cox. 2001. Diseos experimentales. Trillas. Mxico,
661p.
Sokal, R. R. Y F. J. Rohlt.1999. Introduccin a la bioestadstica. Revert.
Barcelona. 362p.
STATISTICA. 1999. STATISTICA tor Windows [Computer program manual].
Versin 5.5. Tulsa, OK.

)
PRCTICA 10
CORRELACiN
. Introduccin
La naturaleza y la intensidad de las relaciones entre variables se examinan por
medio de los anlisis de regresin y correlacin (Sokal y Rohlf, 1999). Estas
herramientas estn relacionadas pero tienen diferentes propsitos. El anlisis
de regresin es til para averiguar la forma probable de la relacin entre dos o
ms variables y el objetivo finl es predecir o estimar el valor de una variable
correspondiente al valor dado de otra variable. Las ideas sobre la regresin
fueron propuestas por Galton (1822-1911). La correlacin mide la intensidad de
la relacin entre las variables. En el modelo de regresin simple existen dos
variables: X y Y. La primera es la variable independiente, porque est bajo el
control del investigador y la segunda, dependiente de los valores que tome X.

Objetivo Utilizando las modelos de correlacin y regresin determinar los


modelos que explican la relacin: largo-ancho y peso- longitud para la
poblacin de peces.

Material: ictiometro de 50 cm, bitcora de campo, lpiz,

Mtodos
Seleccione una especie de pez en una cooperativa pesquera y determine a una
muestra de al menos 100 individuos, las siguientes medidas: largo total y peso
total. Con esta informacin genere una base de datos en Excel, ubicando en la
primera columna los datos de longitud total, en la segunda, la altura mxima.
Posteriormente, efecte una correlacin para definir la presencia de relaciones
entre las variables, utilizando el modelo de correlacin lineal simple.

Bibliografa
Sokal, R. R. Y F. J. Rohlf.1999. Introduccina la bioestadstica. Revert.
Barcelona.362p.
PRCTICA 11
REGRESiN
Introduccin
La naturaleza y la intensidad de las rlaciones entre variables se examinan por
medio de los anlisis de regresin y correlacin. Estas herramientas estn
relacionadas pero tienen diferentes propsitos. El anlisis de regresin es til
para averiguar la forma probable de la relacin entre dos o ms variables y el
objetivo final es predecir o estimar el valor de una variable correspondiente al
valor dado de otra variable. Las ideas sobre la regresin fueron propuestas por
Galton (1822-1911). La correlacin mide la intensidad de la relacin entre las
variables. En el modelo de regresin simple existen dos variables: X y Y. La
primera es la variable independiente, porque est bajo el control del
investigador y la segunda, dependiente de los valores que tome X.

Objetivo En base a los datos obtenidos, defina el modelo de regresin que


permita explicar el comportamiento de las variables: largo-ancho y peso-
longitud para la poblacinde peces. .

Material: ictiometro de 50 cm, bitcora de campo, lpiz,

Mtodos
Con los datos de: longitud total, altura mxima y peso total obtenidos de los
peces, genere una base de datos en Excel, ubicando en la primera columna los
datos del ongitud, en la segunda los de altura mxima y en la tercera los de
peso total. Posteriormente, determine la correlacin existente entre las
variables y obtenga los modelos que se ajustan mejor. En el caso de la
relacin entre longitud y peso, deber realizar una transformacin de datos,
particularmente a logaritmo natural, para ajustar al modelo lineal. Realice los
grficos correspondientes.

Bibliografa
Sokal, R. R. Y F. J. Rohlf.1999. Introduccin a la bioestadstica. Revert.
f ~ Barcelona. 362p.
q
d . Solucin

J
Anlisis de varianza

,I

Conclusin: Existen diferencias significativas en la abundancia entre estaciones


de muestreo

Comparacin de medias
La abundancia de la estacin 2 es mayor que la abundancia de la estacin 1 y
estas son mayores que las abundancias de las estaciones 3 y 4.

Conclusin
La abundancia de peces presenta diferencias significativas entre estaciones,
donde la estacin 2 presenta la mayor abundancia seguida de la estacin 1 y al
final las estaciones 3 y 4 con una menor abundancia.