Académique Documents
Professionnel Documents
Culture Documents
OBJETIVOS
Algunos de los siguientes puntos pueden ser resueltos usando Excel. Sin embargo, para
algunas pruebas estadísticas más específicas se requerirá usar un programa estadístico
(Statgraphics, SPSS o cualquier otro software estadístico). Es importante que responda
cada una de las preguntas que se le formulan, en el sentido estricto de lo que se solicita.
Por tanto, se recomienda encabezar cada diapositiva con el número y texto de la pregunta
correspondiente. Los grupos 1, 2 y 3 trabajarán con los datos de ojo gordo (Selar
crumenophthalmus) y los grupos 4, 5 y 6 con los datos de cojinoa negra (Caranx
crysos). Solo en el punto 19 de este trabajo se requiere que todos los grupos
consideren los datos de tallas (LT) de las dos especies. El grupo de dos estudiantes del
trabajo pasado debe integrarse (juntos o separados) a uno de los grupos ya existentes.
2
El StatAdvisor
Esta opción ejecuta una tabulación de frecuencias dividiendo el rango de LT (mm) en intervalos del mismo ancho, y
contando el número de datos en cada intervalo. Las frecuencias muestran el número de datos en cada intervalo,
mientras que las frecuencias relativas muestran las proporciones en cada intervalo. Puede cambiarse la definición de
los intervalos pulsando el botón secundario del ratón y seleccionando Opciones de Ventana. Pueden verse
gráficamente los resultados de la tabulación seleccionando Histograma de Frecuencias de la lista de Opciones
Gráficas.
El StatAdvisor
Esta ventana muestra los resultados de diversas pruebas realizadas para determinar si LT (mm) puede modelarse
adecuadamente con una distribución normal. La prueba de Shapiro-Wilk está basada en la comparación de los
cuartiles de la distribución normal ajustada a los datos.
Debido a que el valor-P más pequeño de las pruebas realizadas es mayor ó igual a 0.05, no se puede rechazar la idea
de que LT (mm) proviene de una distribución normal con 95% de confianza.
15 Distribución
Normal
12
frecuencia
0
210 230 250 270 290 310
LT (mm)
El StatAdvisor
Esta tabla muestra el número de veces que se ha presentado cada valor de REPLECION GASTRICA así como
porcentajes y estadísticas acumuladas. Por ejemplo, en 14 filas del archivo de datos, REPLECION GASTRICA es
igual a I. Esto representa 23.3333% de los 60 valores en el archivo. Las dos columnas de la extrema derecha dan los
recuentos y porcentajes acumulados, desde el inicio de la tabla hacia abajo.
4
El StatAdvisor
Esta tabla muestra el número de veces que se ha presentado cada valor de ENGRASAMIENTO VISCERAL así como
porcentajes y estadísticas acumuladas. Por ejemplo, en 12 filas del archivo de datos, ENGRASAMIENTO
VISCERAL es igual a I. Esto representa 20.0% de los 60 valores en el archivo. Las dos columnas de la extrema
derecha dan los recuentos y porcentajes acumulados, desde el inicio de la tabla hacia abajo.
El StatAdvisor
Esta tabla muestra el número de veces que se ha presentado cada valor de ESTADIO MADUREZ así como
porcentajes y estadísticas acumuladas. Por ejemplo, en 5 filas del archivo de datos, ESTADIO MADUREZ es igual a
II. Esto representa 8.33333% de los 60 valores en el archivo. Las dos columnas de la extrema derecha dan los
recuentos y porcentajes acumulados, desde el inicio de la tabla hacia abajo.
Proporción
4;1
6
Tabla de Frecuencias
El StatAdvisor
Esta tabla muestra los recuentos para una tabla de 2 por 2. El primer número en cada celda de la tabla es el recuento
ó frecuencia. El segundo número muestra el porcentaje de toda la tabla que representa esa celda. Por ejemplo, hubo
48 valores en la primera fila y primer columna. Esto representa 40.0% de los 120 valores en la tabla.
Gráfico de Rascacielos
50
40
frecuencia
30
20
10
esperado
0
machos observado
hembras
El StatAdvisor
Esta tabla muestra los resultados de la prueba de hipótesis ejecutada para determinar si se rechaza, o no, la idea de
que las clasificaciones de fila y columna son independientes. Puesto que el valor-P es menor que 0.05, se puede
rechazar la hipótesis de que filas y columnas son independientes con un nivel de confianza del 95.0%. Por lo tanto, la
fila observada para un caso particular, está relacionada con su columna.
Pruebas de Independencia
Prueba Estadístico Gl Valor-P
Razón de Verosimilitud 12.161 1 0.0005
El StatAdvisor
Esta tabla muestra los resultados de la prueba de hipótesis ejecutada para determinar si se rechaza, o no, la idea de
que las clasificaciones de fila y columna son independientes. Puesto que el valor-P es menor que 0.05, se puede
rechazar la hipótesis de que filas y columnas son independientes con un nivel de confianza del 95.0%. Por lo tanto, la
fila observada para un caso particular, está relacionada con su columna.
d) Analice el resultado.
sexo/estadio 2 3 4 5 Total
hembras 0 2 9 1 12
machos 5 18 0 25 48
Total 5 20 9 26 60
Pruebas de Independencia
Prueba Estadístico Gl Valor-P
Chi-Cuadrada 42.740 3 0.0000
Advertencia: algunas celdas contienen menos de 5 casos.
El StatAdvisor
Esta tabla muestra los resultados de la prueba de hipótesis ejecutada para determinar si se rechaza, o no, la idea de
que las clasificaciones de fila y columna son independientes. Puesto que el valor-P es menor que 0.05, se puede
rechazar la hipótesis de que filas y columnas son independientes con un nivel de confianza del 95.0%. Por lo tanto, la
fila observada para un caso particular, está relacionada con su columna.
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto 3.12883 6.45992 0.484345 0.6300
Pendiente 1.12609 0.0286241 39.3407 0.0000
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 14214.9 1 14214.9 1547.69 0.0000
Residuo 532.705 58 9.18458
Total (Corr.) 14747.6 59
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre LT (mm) y LH (mm). La
ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
LT (mm) y LH (mm) con un nivel de confianza del 95.0%.
El estadístico R-Cuadrada indica que el modelo ajustado explica 96.3879% de la variabilidad en LT (mm). El
coeficiente de correlación es igual a 0.981773, indicando una relación relativamente fuerte entre las variables. El
error estándar del estimado indica que la desviación estándar de los residuos es 3.03061. Este valor puede usarse para
construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 2.01604 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es mayor que 0.05, no hay indicación de una autocorrelación
serial en los residuos con un nivel de confianza del 95.0%.
9
10. a) Aplicando regresión lineal simple y eliminando aquellos pares de valores que se
considere errados (muy atípicos), halle la ecuación que relaciona la longitud total
(variable dependiente) y la longitud horquilla (variable independiente).
b) Muestre los valores que validan la relación lineal entre ambas variables (R2, Valor
P o significancia de la relación lineal según ANOVA y valor P de la prueba de
hipótesis relativa a la pendiente según la prueba t).
Regresión Simple - LT (mm) vs. LH (mm)
Variable dependiente: LT (mm)
Variable independiente: LH (mm)
Lineal: Y = a + b*X
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto 2.26372 4.81226 0.470406 0.6399
Pendiente 1.12816 0.0213376 52.8721 0.0000
10
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 12452.1 1 12452.1 2795.46 0.0000
Residuo 249.448 56 4.45442
Total (Corr.) 12701.6 57
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre LT (mm) y LH (mm). La
ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
LT (mm) y LH (mm) con un nivel de confianza del 95.0%.
El estadístico R-Cuadrada indica que el modelo ajustado explica 98.0361% de la variabilidad en LT (mm). El
coeficiente de correlación es igual a 0.990132, indicando una relación relativamente fuerte entre las variables. El
error estándar del estimado indica que la desviación estándar de los residuos es 2.11055. Este valor puede usarse para
construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 1.66156 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es mayor que 0.05, no hay indicación de una autocorrelación
serial en los residuos con un nivel de confianza del 95.0%.
11. a) Construya un diagrama de dispersión para la relación entre la altura del cuerpo
(variable dependiente) y la longitud total (variable independiente) y trace en dicho
diagrama la correspondiente línea de regresión.
Coeficientes
Mínimos Cuadrados Estándar Estadístico
11
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 850.722 1 850.722 1.64 0.2055
Residuo 30100.6 58 518.975
Total (Corr.) 30951.3 59
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre AC (mm) y LT (mm). La
ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es mayor o igual a 0.05, no hay una relación estadísticamente significativa
entre AC (mm) y LT (mm) con un nivel de confianza del 95.0% ó más.
El estadístico R-Cuadrada indica que el modelo ajustado explica 2.74858% de la variabilidad en AC (mm). El
coeficiente de correlación es igual a 0.165789, indicando una relación relativamente débil entre las variables. El error
estándar del estimado indica que la desviación estándar de los residuos es 22.781. Este valor puede usarse para
construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 18.9316 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es menor que 0.05, hay indicación de una posible correlación
serial con un nivel de confianza del 95.0%. Grafique los residuos versus el número de fila para ver si hay algún
patrón que pueda detectarse.
12. a) Aplicando regresión lineal simple y eliminando aquellos pares de valores que
considere errados (muy atípicos), halle la ecuación que relaciona la altura del cuerpo
(variable dependiente) y la longitud total (variable independiente).
b) Muestre los valores que validan la relación lineal entre ambas variables (R2, Valor
P o significancia de la relación lineal según ANOVA y valor P de la prueba de
hipótesis relativa a la pendiente según la prueba t).
Regresión Simple - AC (mm) vs. LT (mm)
Variable dependiente: AC (mm)
Variable independiente: LT (mm)
Lineal: Y = a + b*X
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto 10.3916 9.95964 1.04337 0.3025
Pendiente 0.18874 0.0386394 4.88465 0.0000
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 493.185 1 493.185 23.86 0.0000
Residuo 909.483 44 20.6701
Total (Corr.) 1402.67 45
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre AC (mm) y LT (mm). La
ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
AC (mm) y LT (mm) con un nivel de confianza del 95.0%.
El estadístico R-Cuadrada indica que el modelo ajustado explica 35.1605% de la variabilidad en AC (mm). El
coeficiente de correlación es igual a 0.592963, indicando una relación moderadamente fuerte entre las variables. El
13
error estándar del estimado indica que la desviación estándar de los residuos es 4.54644. Este valor puede usarse para
construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 2.85603 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es mayor que 0.05, no hay indicación de una autocorrelación
serial en los residuos con un nivel de confianza del 95.0%.
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto 18.2887 11.1983 1.63317 0.1079
Pendiente 0.177208 0.043526 4.0713 0.0001
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 463.112 1 463.112 16.58 0.0001
Residuo 1620.49 58 27.9396
Total (Corr.) 2083.61 59
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre LC (mm) y LT (mm). La
ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
LC (mm) y LT (mm) con un nivel de confianza del 95.0%.
14
El estadístico R-Cuadrada indica que el modelo ajustado explica 22.2265% de la variabilidad en LC (mm). El
coeficiente de correlación es igual a 0.47145, indicando una relación relativamente débil entre las variables. El error
estándar del estimado indica que la desviación estándar de los residuos es 5.28579. Este valor puede usarse para
construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 3.6184 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es menor que 0.05, hay indicación de una posible correlación
serial con un nivel de confianza del 95.0%. Grafique los residuos versus el número de fila para ver si hay algún
patrón que pueda detectarse.
14. a) Aplicando regresión lineal simple y eliminando aquellos pares de valores que
considere errados (muy atípicos), halle la ecuación que relaciona la longitud de la
cabeza (variable dependiente) y la longitud total (variable independiente).
b) Muestre los valores que validan la relación lineal entre ambas variables (R2, Valor
P o significancia de la relación lineal según ANOVA y valor P de la prueba de
hipótesis relativa a la pendiente según la prueba t).
15
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto -9.32643 7.81326 -1.19367 0.2380
Pendiente 0.289953 0.0306079 9.47312 0.0000
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 837.912 1 837.912 89.74 0.0000
Residuo 485.53 52 9.33711
Total (Corr.) 1323.44 53
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre LC (mm) y LT (mm). La
ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
LC (mm) y LT (mm) con un nivel de confianza del 95.0%.
El estadístico R-Cuadrada indica que el modelo ajustado explica 63.3131% de la variabilidad en LC (mm). El
coeficiente de correlación es igual a 0.795695, indicando una relación moderadamente fuerte entre las variables. El
error estándar del estimado indica que la desviación estándar de los residuos es 3.05567. Este valor puede usarse para
construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de texto.
El error absoluto medio (MAE) de 2.50262 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es menor que 0.05, hay indicación de una posible correlación
serial con un nivel de confianza del 95.0%. Grafique los residuos versus el número de fila para ver si hay algún
patrón que pueda detectarse.
15. ) Construya un diagrama de dispersión para la relación entre el logaritmo natural del
peso entero (variable dependiente) y el logaritmo natural de la longitud total (variable
independiente) y trace en dicho diagrama la correspondiente línea de regresión.
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto -12.0806 0.916482 -13.1815 0.0000
Pendiente 3.14399 0.165228 19.0282 0.0000
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 2.21524 1 2.21524 362.07 0.0000
Residuo 0.354857 58 0.00611822
Total (Corr.) 2.5701 59
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre LN PESO ENTERO y LN
LONGITUD LT. La ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
LN PESO ENTERO y LN LONGITUD LT con un nivel de confianza del 95.0%.
17
El estadístico R-Cuadrada indica que el modelo ajustado explica 86.1929% de la variabilidad en LN PESO ENTERO.
El coeficiente de correlación es igual a 0.928401, indicando una relación relativamente fuerte entre las variables. El
error estándar del estimado indica que la desviación estándar de los residuos es 0.0782191. Este valor puede usarse
para construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de
texto.
El error absoluto medio (MAE) de 0.0567211 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es menor que 0.05, hay indicación de una posible correlación
serial con un nivel de confianza del 95.0%. Grafique los residuos versus el número de fila para ver si hay algún
patrón que pueda detectarse.
16. a) Aplicando regresión lineal simple y eliminando aquellos pares de valores que
considere errados (muy atípicos), halle la ecuación que relaciona la relación lineal
entre el ln(peso) y el ln(talla).
Coeficientes
Mínimos Cuadrados Estándar Estadístico
Parámetro Estimado Error T Valor-P
Intercepto -11.399 0.82866 -13.756 0.0000
Pendiente 3.02296 0.14947 20.2246 0.0000
Análisis de Varianza
Fuente Suma de Cuadrados Gl Cuadrado Medio Razón-F Valor-P
Modelo 1.51584 1 1.51584 409.03 0.0000
Residuo 0.189002 51 0.00370591
Total (Corr.) 1.70484 52
El StatAdvisor
La salida muestra los resultados de ajustar un modelo lineal para describir la relación entre LN PESO ENTERO y LN
LONGITUD LT. La ecuación del modelo ajustado es
Puesto que el valor-P en la tabla ANOVA es menor que 0.05, existe una relación estadísticamente significativa entre
LN PESO ENTERO y LN LONGITUD LT con un nivel de confianza del 95.0%.
El estadístico R-Cuadrada indica que el modelo ajustado explica 88.9138% de la variabilidad en LN PESO ENTERO.
El coeficiente de correlación es igual a 0.942941, indicando una relación relativamente fuerte entre las variables. El
error estándar del estimado indica que la desviación estándar de los residuos es 0.0608762. Este valor puede usarse
para construir límites de predicción para nuevas observaciones, seleccionando la opción de Pronósticos del menú de
texto.
El error absoluto medio (MAE) de 0.0463225 es el valor promedio de los residuos. El estadístico de Durbin-Watson
(DW) examina los residuos para determinar si hay alguna correlación significativa basada en el orden en el que se
presentan en el archivo de datos. Puesto que el valor-P es menor que 0.05, hay indicación de una posible correlación
serial con un nivel de confianza del 95.0%. Grafique los residuos versus el número de fila para ver si hay algún
patrón que pueda detectarse.
b) Muestre los valores que validan la relación lineal entre ln(peso) y el ln(talla), es
decir, R2, valor P del ANOVA y valor P de la prueba t.
c) Analice los resultados desde el punto de vista estadístico.
d) Posteriormente obtenga la relación talla talla-peso para la especie estudiada
(W=qLb).
e) Diga si el crecimiento es isométrico o alométrico y sustente su respuesta con los
cálculos respectivos.
f) Si el crecimiento es isométrico, haga b=3 y recalcule el valor de q en la relación
W=qLb.
g) Analice los resultados.
Nota: En el libro de Sparre y Venema hay un ejemplo de cómo se obtiene una
relación talla-peso.
17. Usando los datos de estadíos de madurez, obtenga la talla de madurez (L50%) de esta
especie aplicando cualquiera de los métodos o herramientas informáticas que se le
suministraron en la clase correspondiente (dado el escaso número de datos, hágalo
para sexos combinados, es decir, no discrimine entre machos y hembras).
19
18. a) Teniendo en cuenta que la talla de madurez (Lm o L50%) calculada en el punto
anterior, calcule los indicadores simples del estado de explotación de los recursos,
basados en tallas (porcentaje de inmaduros, porcentaje de individuos en la talla
óptima y porcentaje de megadesovadores).
b) Analice los resultados en términos biológicos.
El StatAdvisor
Esta tabla muestra diferentes estadísticos de LT (mm) para cada uno de los 4 niveles de Grupo. La intención
principal del análisis de varianza de un factor es la de comparar las medias de los diferentes niveles, enlistados aquí
bajo la columna de Promedio. Selecciones Gráfica de Medias de la lista de Opciones Gráficas para mostrar
gráficamente las medias.
El StatAdvisor
La tabla ANOVA descompone la varianza de LT (mm) en dos componentes: un componente entre-grupos y un
componente dentro-de-grupos. La razón-F, que en este caso es igual a 2.68623, es el cociente entre el estimado entre-
grupos y el estimado dentro-de-grupos. Puesto que el valor-P de la razón-F es mayor o igual que 0.05, no existe una
diferencia estadísticamente significativa entre la media de LT (mm) entre un nivel de Grupo y otro, con un nivel del
95.0% de confianza.
El StatAdvisor
Esta tabla aplica un procedimiento de comparación multiple para determinar cuáles medias son significativamente
diferentes de otras. La mitad inferior de la salida muestra las diferencias estimadas entre cada par de medias. El
20
asterisco que se encuentra al lado de los 2 pares indica que estos pares muestran diferencias estadísticamente
significativas con un nivel del 95.0% de confianza. En la parte superior de la página, se han identificado 2 grupos
homogéneos según la alineación de las X's en columnas. No existen diferencias estadísticamente significativas entre
aquellos niveles que compartan una misma columna de X's. El método empleado actualmente para discriminar entre
las medias es el procedimiento de diferencia mínima significativa (LSD) de Fisher. Con este método hay un riesgo
del 5.0% al decir que cada par de medias es significativamente diferente, cuando la diferencia real es igual a 0.
Verificación de Varianza
Prueba Valor-P
Levene's 11.3147 0.00000156019
El StatAdvisor
El estadístico mostrado en esta tabla evalúa la hipótesis de que la desviación estándar de LT (mm) dentro de cada uno
de los 4 niveles de Grupo es la misma. De particular interés es el valor-P. Puesto que el valor-P es menor que 0.05,
existe una diferencia estadísticamente significativa entre las desviaciones estándar, con un nivel del 95.0% de
confianza. Esto viola uno de los supuestos importantes subyacentes en el análisis de varianza e invalidará la mayoría
de las pruebas estadísticas comunes.
La tabla también muestra una comparación de las desviaciones típicas para cada par de muestras. P-valores por
debajo de 0.05, de los cuales hay 3, indican una diferencia estadísticamente significativa entre las dos sigmas al 5%
de nivel de signifiación.
El StatAdvisor
Esta tabla aplica un procedimiento de comparación multiple para determinar cuáles medias son significativamente
diferentes de otras. La mitad inferior de la salida muestra las diferencias estimadas entre cada par de medias. El
asterisco que se encuentra al lado de los 2 pares indica que estos pares muestran diferencias estadísticamente
significativas con un nivel del 95.0% de confianza. En la parte superior de la página, se han identificado 2 grupos
homogéneos según la alineación de las X's en columnas. No existen diferencias estadísticamente significativas entre
aquellos niveles que compartan una misma columna de X's. El método empleado actualmente para discriminar entre
las medias es el procedimiento de diferencia mínima significativa (LSD) de Fisher. Con este método hay un riesgo
del 5.0% al decir que cada par de medias es significativamente diferente, cuando la diferencia real es igual a 0.
21
300
290
LT (mm)
280
270
260
Bruce et Carbonel Quintero Rojas
Grupo
El StatAdvisor
Esta tabla aplica un procedimiento de comparación multiple para determinar cuáles medias son significativamente
diferentes de otras. La mitad inferior de la salida muestra las diferencias estimadas entre cada par de medias. No hay
diferencias estadísticamente significativas entre cualquier par de medias, con un nivel del 95.0% de confianza. En la
parte superior de la página, se ha identificado un grupo homogéneo, según la alineación de las X's en columna. No
existen diferencias estadísticamente significativas entre aquellos niveles que compartan una misma columna de X's.
El método empleado actualmente para discriminar entre las medias es el procedimiento de diferencia honestamente
significativa (HSD) de Tukey. Con este método hay un riesgo del 5.0% al decir que uno o más pares son
significativamente diferentes, cuando la diferencia real es igual a 0. NOTA: los intervalos no son exactos puesto que
el número de observaciones en cada nivel no es el mismo. Podría considerar usar, en su lugar, el procedimiento de
Bonferroni.
22
300
290
280
LT (mm) 270
260
250
Bruce et Carbonel Quintero Rojas
Grupo
NOTA: Para cada respuesta colocar las respectivas citas bibliográficas, en los casos en
que haya requerido consultar algún texto o artículo.
El trabajo se debe presentar en power point y se hará preguntas puntuales a cada integrante
del grupo, es decir, no será una presentación formal como tal, sino que cada estudiante se
remitirá sólo a la diapositiva que le sirva para responder la pregunta en cuestión.
Gómez Canchong, P., Manjarrés Martínez, L., Duarte Casares, L.O., Altamar López, J.A.,
2004. Atlas Pesquero del área norte del Mar Caribe de Colombia. Santa Marta,
Unimagdalena, 229 p.
King, M. 1995. Fisheries biology, assessment and management. Fishing new books.
Tresierra Aguilar, A.E., Culquichicón Malpica, Z.G., 1995. Manual de biología pesquera.
Universidad Nacional de Trujillo, Perú. 226 p. 574.92 / T798m.
Por:
P. Pérez
.
XXXXXX XXXXXXXX
XXXXXX XXXXXXXX
XXXXXX XXXXXXXX
XXXXXX XXXXXXXX
FACULTAD DE INGENIERÍA
Biología Pesquera
INTRODUCCIÓN
RESULTADOS
……………………………….
………………………………
REFERENCIAS
Sierra, G., Lazzari, A., Gómez, M., 2007. Use of several gears for the capture of
Micropogonias furnieri. Fish Management 17, 1-8.
……
……
……