MI Reglas 2016 AnalisisConInfoStat

Universidad Nacional de Río Cuarto
Facultad de Ciencias Exactas, Físico-Químicas y Naturales
Departamento de Ciencias Naturales
Metodología de la Investigación
Ejemplo de pasos a seguir usando InfoStat para el análisis de datos
1- Grabación de las 3 mediciones realizadas por cada observador (nombre de archivo: Reglas-2014-16.idb2)
(Nota: observar que hay una fila sin datos. Eliminarla antes de seguir con el paso siguiente)
2- Creación de una nueva tabla en la cual las observaciones estén en una única columna para poder
procesarla como la variable X: ancho de la mesa de computación (cm)
Para ello elegir del menú Datos →Ubicar una columna debajo de la otra y mover los nombres de las
variables como indican las flechas.
Aparecerá un mensaje solicitando que se indique el tamaño de
bloque a concatenar: aceptar sin modificar el valor.
Se creará una nueva tabla con las variables Observador,
Grupo.cols y Columna3. Renombrar las 2 últimas como
Mediciones y Ancho respectivamente. Guardar la tabla como
Reglas-2014-16-Ancho.idb2 y cerrar la tabla original Reglas2014-16 (ya no será necesaria).
1
3- Como las reglas utilizadas tienen 11 divisiones en vez de 10, cada medición está aumentada en 3 unidades.
Antes de procesar los datos, debemos corregir el sesgo restando 3 a cada valor de Ancho.
Para ello agregar una nueva columna al final (botón derecho, clic en Nueva columna). Luego elegir del menú
Datos →Fórmulas.
En el cuadro de diálogo que se abre escribir
AnchoCorregido= (representa que se van a
guardar los cálculos de lo que vamos a escribir en
una columna que se llamará así), hacer clic en
Ancho en la columna de la derecha y restar 3,
quedando la siguiente expresión:
AnchoCorregido=[Ancho]-3
(Nota: la fórmula creará la nueva columna y luego
rellenará cada celda con el valor correspondiente)
Si se desea se pueden centrar los datos:
4- Ordenar los datos agrupando las mediciones realizadas por cada Observador: menú Datos → Ordenar.
Ubicar la variable Observador bajo la columna “De menor a mayor”.
5- Obtener estadísticas descriptivas para AnchoCorregido según Observador: menú Estadísticas → Medidas
resumen. Colocar tilde solamente a n, Media, DE y EE. Ejecutar una vez con la opción Horizontal de
Presentación y luego con la opción Vertical. Decidir cuál es la mejor manera de presentar los datos (para un
futuro informe)
2
6- Nuevamente para AnchoCorregido según Observador elegir del menú Gráficos → Gráfico de puntos. Dejar
seleccionado “Error estándar”. Al generarse el gráfico se abre (generalmente a la izquierda) una ventanita más
pequeña llamada Herramientas Gráficas desde la cual configurar el gráfico (Título, identificación de los ejes,
etc.) Tiene 3 pestañas: Series, Eje X y Eje Y. Hacer clic en la segunda pestaña para poder colocar los
nombres del eje X en doble fila y facilitar su lectura.
Como puede observarse, los distintos observadores no representan una muestra homogénea. Veámoslo con
más profundidad.
7- Menú Estadísticas → Inferencia basada en una muestra → Intervalos de confianza. Variable:
AnchoCorregido
En la pestaña Eje Y agregaremos en el recuadro blanco de Líneas de Corte los valores 34,16 y 34,90,
Aparecerán dos líneas paralelas en el gráfico que mostrarán cuáles observadores tomaron mediciones que
pertenecen al intervalo de confianza al 95%. Los restantes valores quedan fuera de dicha zona. (ver imagen en
la siguiente página.
Luego, hagan lo mismo con los valores 34,04 y 35,02, obtenidos al calcular intervalo de confianza al 99%.
Comparar ¿a qué conclusiones llegan?
Esta es una mínima introducción al uso de InfoStat. Corresponderá a cada uno de ustedes estudiar y
aprovechar al máximo las posibilidades que brinda el software. Se sentirán más cómodos con él cuanto más lo
utilicen.
Es cuestión de proponérselo… pero deben recordar que NINGÚN programa, por sofisticado que sea,
reemplazará al investigador.
3
CONSIDERACIONES FINALES
La Estadística como tal es necesaria y usada por un número cada vez más creciente de disciplinas. En las
universidades se reconoce este hecho y por ello asignaturas como Bioestadística o Diseño Experimental son
consideradas clásicas integrantes en los planes de estudios, en particular los de Ciencias Biológicas. En ellas se
analizan con detalle los procedimientos usuales y se mencionan brevemente las contribuciones más modernas.
Generalmente, luego de graduarse y en función del área de trabajo elegida, el investigador recolectará datos
cuantitativos y probablemente usará cálculos estadísticos, los cuales son el resultado de aproximaciones
matemáticas al análisis de datos.
No es imprescindible que el investigador sea un experto para que interprete y entienda los
procedimientos complejos que utiliza, pues puede buscar la cooperación de un estadístico. Sin
embargo, para solicitar tal ayuda es necesario que conozca algo del lenguaje matemático y pueda
así establecer una comunicación productiva. Esta no es una empresa imposible y los siguientes
párrafos lo atestiguan:
“...Los biólogos a menudo se sienten alienados por las matemáticas en una etapa temprana de sus
carreras por la concepción errónea o su auto decepción basada en la idea de que la biología no es
una ciencia matemática. También el reclamo se hace pensando que la matemática teórica es
4
totalmente simplista, ignorando la naturaleza inherentemente compleja de los sistemas biológicos. Esta
posición no es muy productiva, e irónicamente, aquellos que hacen tales reclamos frecuentemente dedican su
carrera entera a realizar prolijos y controlados experimentos en los cuales se permite que varíen uno o dos
factores, barriendo eficazmente la realidad biológica bajo la alfombra.
La mayoría de los principales avances de la biología evolutiva en las últimas dos décadas provienen de
formulaciones cuantitativas, muchas de las cuales involucran sólo un álgebra elemental y los más básicos
teoremas del cálculo. Mientras que resulta comprensible que muchos biólogos no deseen desaprovechar sus
carreras derivando teorías, es útil tener algún nivel de capacitación para evaluar las teorías relevantes
derivadas por otros. También es igualmente importante que los teóricos se esfuercen para describir su trabajo
en forma tan simple y digerible como sea posible. Los logros de la matemática teórica pueden ser enormes
cuando parece que la mente vacila, mientras que la complejidad se derrumba en una formulación simple.
Veremos, afortunadamente, que tal simplificación siempre ocurre en la genética cuantitativa (Lynch y Walsh,
1997)...”..
Es aconsejable que un biólogo incorpore a su bagaje matemático cierto conocimiento y destreza en la
manipulación de matrices, ya que éstas se utilizan intensivamente en la preparación de datos para cálculos
computacionales de alta velocidad y en la presentación de resultados, particularmente a partir de un análisis
multivariado. La lectura y correcta interpretación de salidas de programas estadísticos dependerá en gran
medida de este conocimiento. Por ello, sería altamente recomendable que el investigador tome cursos
(intensivos o no) de Modelos Lineales, Diseño Experimental Avanzado, Análisis Multivariado, etc. si estos
integran la oferta de postgrado a la que puede acceder.
De todas maneras, y a riesgo de sonar repetitivo, el mensaje es: Para el investigador en Ciencias Biológicas es
suficiente, en un primer momento, contar con conocimientos básicos de cálculo, álgebra lineal y estadística. Sin
embargo, es imprescindible una sólida preparación en el campo profesional particular ya que, uno de los
requisitos fundamentales de todas estas técnicas es la de partir de datos fiables obtenidos a partir de un programa
previo de investigación.
Antes de aplicar estas pruebas estadísticas, es preciso saber qué es lo que se busca. Es preciso disponer de un
plan de trabajo, cuyos objetivos determinarán no sólo la técnica estadística a utilizar, sino el tipo de datos que se
van a recoger y la forma que adoptarán estos.
¡RECUERDE!
Quien sabe lo que busca, interpreta lo que encuentra ...
5