Anteproyecto - Métodos Estadísticos - PS2077099
Anteproyecto - Métodos Estadísticos - PS2077099
Anteproyecto - Métodos Estadísticos - PS2077099
ANTEPROYECTO:
PRESENTA:
DIRECTORES:
Instituto de Ecología
2
Sin embargo, podría ser el caso de que, aunque los datos crudos no sean
normales ni homocedásticos (i.e., con igualdad de varianzas), los residuales de un
modelo lineal general ajustado a esos datos sí sigan una distribución normal y tengan
homocedasticidad (Kéry & Hatfield, 2003, Zuur et al. 2010). En ese caso, el usar una
prueba no-paramétrica sería inapropiado (Kéry & Hatfield, 2003). En este trabajo usaré
los datos de Rivera-Reséndiz (2020) y Sánchez-Martínez (2020) para aplicar los
protocolos propuestos por Zuur et al. (2010) y Zuur & Ieno (2016) respecto a la
exploración de datos, análisis estadístico y presentación de resultados de modelos
lineales generales y modelos lineales generalizados, con la finalidad de generar
modelos estadísticos que permitan la estimación de parámetros y que potencialmente
permitan generar conclusiones más robustas que el análisis de estadística no-
paramétrica usado originalmente para el análisis de esta información.
Los frutos son fuentes de productos naturales, sin embargo, algunos son
considerados de traspatio debido a que por lo general no son grandes fuentes de
ingresos para los productores ya que no son atractivos para los consumidores. El
análisis de los componentes con valor nutrimental y terapéutico genera información
3
valiosa sobre el potencial uso de los frutos en la industria alimentaria, cosmética y
farmacéutica con la finalidad de aumentar su importancia en el mercado.
3.- Hipótesis
Analizar los datos generados en frutos de chicozapote, ciruela tropical, guayaba, zapote
blanco y mango manila por Rivera-Reséndiz (2020) y Sánchez-Martínez (2020) con
modelos lineales generales y modelos lineales generalizados con base en los
protocolos reportados por Zuur et al. (2010) y Zuur & Ieneo (2016).
4
Evaluar el ajuste de un modelo lineal general y un modelo lineal generalizado a
los datos de Rivera-Reséndiz (2020) y Sánchez-Martínez (2020) con base en el
comportamiento de sus residuales.
5
6.2 Formulación del modelo estadístico
Se desarrollará un ANOVA de dos vías, de esta manera se tomarán en cuenta las dos
variables independientes (estados de maduración y tejidos) que pueden influir en la
variable de respuesta. El ANOVA se ajustará al siguiente modelo:
El modelo completo será entonces aquel en que cada observación puede ser
explicada como Yijk, se puede explicar como una media global µ, el efecto principal del
factor A (αj), el efecto principal de B (βk) y la interacción entre A y B (αβ)jk, más una cierta
varianza no explicada o error (ϵijk). Si existen diferencias significativas se realizará una
prueba post-hoc de Tukey. Todas las pruebas estadísticas se realizarán a un nivel de
confianza de 5%, posterior al ANOVA se revisarán los supuestos de normalidad y
homogeneidad de varianzas.
6
necesario y se presentarán los grados de libertad. De igual forma se presentarán
gráficos que ayuden al lector a tener una mejor comprensión de los datos.
7
7.- Programa de Actividades
2020
Actividades
Agosto Septiembre Octubre Noviembre Diciembre
Revisión bibliográfica X X X X X
2021
Actividades
Enero Febrero Marzo Abril Mayo Junio Julio Agosto
Revisión bibliográfica X X X X X X X
8
8.- Referencias bibliográficas
Gómez S, Torres V, García Y, Fraga LM, Sarduy L & Savón LL. (2012). Comparación
de modelos de efectos fijos y mixto en el análisis de un experimento con cepas
mutantes de hongos celulolíticos Trichoderma viride. Rev Cuba Cienc Agríc, 46:
127-131.
Kéry M & Hatfield JS. (2003). Normality of raw data in general linear models: the most
widespread myth in statistics. Bull Ecol Soc Am 84: 92–94.
Zar JH. (2009). Biostatiscal Analysis. 5ta ed. New Jersey: ed. Pearson Prentice Hall.
189-449 p.
Zuur AF & Ieno EN. (2016). A protocol for conducting and presenting results of
regression‐type analyses. Methods Ecol Evol, 7: 636-645.
Zuur AF, Ieno EN & Elphick CS. (2010). A protocol for data exploration to avoid common
statistical problems. Methods Ecol Evol, 1: 3-14.