MÉTODOS CUANTITATIVOS (DBI-4137)

Docente: Roger Paulo Mormul

Síntesis: Estudio de formas de muestreo y diseño experimental con sus respectivos análisis estadísticos, incluyendo algunos análisis alternativos.

Programa:

• Parte I – Aspectos generales
  - Principios filosóficos del método científico
  - La importancia del enfoque: objetivo o hipótesis
  - ¿Qué enfoque puede ser mejor? ¿Método inductivo o hipotético-deductivo?
  - Determinación del análisis a partir del objetivo o hipótesis
  - Principales formas de muestreo y experimentación
  - Replicación y pseudo-replicación
• Parte II – Análisis básica de datos
  - Principales supuestos para los análisis                                                        - Prueba t para muestras independientes y dependientes, y alternativas no paramétricas
  - Análisis de varianza unifactorial y factorial, y alternativas no paramétricas
  - Análisis de varianza para medidas repetidas y alternativa no paramétrica
  - Análisis de varianza múltiple
  - Análisis de covarianza
  - Medidas de asociación y alternativas no paramétricas
  - Transformación y estandarización de datos
  - Regresión lineal simple y múltiple
  - Regresión logística
• Parte III – Análisis multivariados y avanzados
  - Análisis de componentes principales - PCA
  - Análisis de correspondencia - CA
  - Análisis de correspondencia distendida - DCA
  - Análisis de coordenadas principales - PcoA
  - Análisis múltiple de homogeneidad de varianza
  - Criterios de información de AKAIKE e inferencia de modelos múltiples
  - Correlación matricial

Material para la clase
Computadora con el software Statistica 7.0, PC-Ord 5 y SAM – Spatial Analysis in
Macroecology. Los estudiantes que tengan el software pueden solicitar la instalación con el maestro la primera mañana de actividad.

Evaluación:
Será evaluado por medio de una prueba escrita.

Bibliografía:

Akaike, H. (1974) A new look at the statistical model identification. IEEE Transactions on Automatic Control 19(6): 716-723.

Borcard, D. and Legendre P. (2012) Is the Mantel correlogram powerful enough to be useful in ecological analysis? A simulation study. Ecology 93(6): 1473-1481.

Gauch, H.G. (1982) Multivariate analysis in community ecology. Cambridge University Press.

Gotelli, N.J. and Ellison, A.M. (2004) A primer of ecological statistics. Sinauer Associates, Inc. USA.

Jackson, D.A. (1995) PROTEST: A PROcrustean Randomization TEST of community environment concordance. Ecoscience 2(3): 297-303.

Jongman, R.H.G., Ter Braak, C.J.F. and Van Tongeren, O.F.R. (1996) Data analysis in community and landscape ecology. Cambridge University Press.

Legendre, P. and Legendre, L. (1998) Numerical ecology. Second English edition. Elsevier Science BV, Amsterdam.

Quinn, G.P. and Keough, M.J. (2002) Experimental design and data analysis for biologists. Cambridge University Press, Cambridge.

Rangel, T.F., Diniz-Filho, J.A.F. and Bini, L.M. (2010) SAM: a comprehensive application for Spatial Analysis in Macroecology. Ecography 33(1): 46-50.

Scheiner, S.M. and Gurevitch, J. (2001) Design and Analysis of Ecological Experiments. Oxford University Press, New York.

Valentin, J.L. (2000) Ecologia Numérica: Uma Introdução à Análise Multivariada de Dados Ecológicos. Interciência.

Zar, J.H. (2010) Biostatistical analysis. 5th edition. Pearson Prentice Hall.