Clase 2

Tipos de Muestreo Diseño Experimental Clase 2

Páginas del Curso • http://www.esnips.com/web/DisExper imental • http://cran.r-project.org • [email protected]

Muestreo • No se puede muestrear toda la población • Toman muestras • Representativas de población • Inferencia estadística

Técnica de muestreo • Depende de – Organismo – Objetivo

• Muchas técnicas – Mayoría incluye aleatorización

Población • Población estadística – ≠ a población biológica

• Definir – Población – Unidad de muestreo – Estrategia de muestreo

Muestreo Aleatorio • Aleatorio simple • Aleatorio estratificado • Aleatorio en clusters o grupos

Muestreo aleatorio simple • Cada U.E. tiene la misma probabilidad de ser escogida – Tabla número aleatorios – Sin reemplazo – R!

• Sin reemplazo es mejor que con reemplazo • Asegura stats pero no asegura representación poblacional

Aleatorio simple • Pros – Poco conocimiento previo – Libre de error – Clasificación simple – Supuestos estadísticos

• Contras – Requiere marco de muestreo completo – Poblaciones finitas y pequeñas – Poco eficiente – Autocorrelación

Confusión con aleatorio • Accesibilidad – En trillos

• Azaroso (haphazard) – El primer visto

• Juicio – Basado en experiencia

• Voluntario – Oportunista

Preguntas y Ejemplos • ¿Cómo muestrear aleatoriamente una comunidad de insectos? • ¿Cómo muestrear aleatoriamente una comunidad de anfibios? • ¿Cómo muestrear aleatoriamente individuos para realizar sonograma?

Muestreo Estratificado • Común ecología – Inadvertido

• Eficiente • Strata

L = número de strata

Estratificado • Se deben conocer (approx.) el tamaño de cada stratum • Strata pueden ser de diferente tamaño o área • Se usa por – Diferencia en facilidad de mustreo – Aumenta precisión – Administrativo

Estratificado • Pros – Enfoca en strata importantes – Aumenta precisión – Eficiente – Aumenta poder de prueba estadística

• Contras – Difícil escoger strata – Si no hay subgrupos homogéneos – Requiere información detallada de población estadística y biológica

Cluster • Muestreo adaptativo • Unidades se escogen en grupos o clusters • U.Exp. agregadas en espacio • Clasificación arbitraria • Deben representar población • Utiliza para simplificar muestreo

Cluster • Pros – Reduce costos en el campo – No requiere conocimiento completo de población

• Contras – Clusters no representan población – Clusters muy similares – Análisis más complicado – Menor precisión

Cluster adaptativo • Puntos al azar • Se encuentra UE • Se muestrea en la vecindad • Requiere – – – –

Selectividad Tamaño vecindad Borde Red (network). Selecciona uno = todos.

wi = abundancia en cluster yi = abundancia en cada cuadrado por cluster mi = número de cuadrados por cluster n = número de unidades seleccionadas al azar

Sistemático • No aleatorio (combinación) • Usado por ecólogos • Simpleza • Muestrear homogéneamente el hábitat • No tiene sistema probabilidad

Valores observados

Periodicidad

Sistemático • Pros – Fácil de realizar – Aumenta precisión sobre cluster – Probabilidad de que aparezca una muestra puede calcularse – Reduce varianza intragrupal

• Contras – Arreglo periódico destruye TODO! – Requiere homogeneidad de las muestras