PARTE 1

1. Base de datos

1.1 Descripción general

La base de datos Morfometría de anuros colombianos contiene información morfológica de 4.628 especímenes pertenecientes a 1234 especies de anfibios, distribuidas en 51 familias de Colombia, representando el 37.6% de la diversidad procedentes principalmente de ecosistemas de bosque altoandino, páramo y humedales. La información fue recopilada a partir de siete de las principales colecciones biológicas colombianas y publicada por Mendoza-Henao et al. (2019), en el artículo científico A morphological database for Colombian anuran species from conservation-priority ecosystems, para la revista científica Ecology, volumen 100, número 5, bajo el identificador e02685.

1.2 Estructura y organización de los datos

La publicación proporciona dos archivos principales en formato de texto (.txt), delimitados por tabulaciones y con punto como separador decimal. ColombianAnuranMorphology_individuals.txt: contiene 4.628 registros, donde cada fila corresponde a un espécimen individual y cada columna representa una característica de identificación, procedencia, clasificación taxonómica o medición morfológica.

La base incluye ocho variables morfométricas: longitud rostro-cloacal, ancho de la cabeza, ancho de la boca, longitud del antebrazo, longitud de la tibia, longitud del fémur, longitud del pie y extensión de la membrana interdigital.

1.2.1 Descripción de las columnas y variables

La base de datos contiene información organizada en columnas que permiten identificar cada espécimen, conocer su procedencia y taxonomía, y registrar sus características morfológicas.

A continuación, se presenta la descripción de las columnas:

A. Variables de identificación y procedencia

Variable Nombre en la base Descripción
Espécimen Specimen Código de identificación único asignado a cada espécimen. Este código permite reconocer y diferenciar los individuos registrados en la base de datos. Sus componentes contienen información de identificación del espécimen según el sistema de codificación utilizado en el conjunto de datos.

B. Variables biológicas y geográficas

Variable Nombre en la base Descripción
Microhábitat Microhabitat Describe el microhábitat asociado al espécimen, es decir, el ambiente o espacio específico en el que se encuentra o desarrolla el individuo. Permite categorizar los registros según las condiciones particulares de su entorno.

C. Variables de clasificación taxonómica

Variable Nombre en la base Descripción
Familia taxonómica Family Indica la familia taxonómica a la que pertenece el espécimen.
Especie Species Corresponde al nombre científico de la especie a la que pertenece el espécimen, permitiendo identificarlo y diferenciarlo de otros anuros registrados.

D. Variables morfométricas

Estas ocho variables constituyen el núcleo de interés para los análisis estadísticos de la base de datos:

Variable Nombre en la base Descripción Unidad
Longitud rostro-cloacal SnoutVentLength Distancia desde el extremo anterior del hocico hasta el borde posterior de la cloaca. mm
Ancho de la cabeza HeadWidth Distancia entre los extremos distales de la mandíbula. mm
Ancho de la boca MouthWidth Anchura de la cabeza medida a la altura de las comisuras de la boca. mm
Longitud del antebrazo ForearmLength Distancia entre el codo y la articulación de la mano. mm
Longitud de la tibia TibiaLength Distancia entre la cabeza de la tibia y la articulación tibio-tarsal. mm
Longitud del fémur FemurLength Distancia entre el extremo lateral del urostilo y la superficie convexa del cóndilo, con la rodilla flexionada a 45°. mm
Longitud del pie FootLength Distancia desde el borde proximal del tubérculo metatarsiano interno hasta la punta del cuarto dedo. mm
Extensión de la membrana interdigital FootWebbing Grado de extensión de la membrana entre los dedos del pie. mm

2. Carga de base de datos

En primer lugar, se utilizó la función library(readxl) para cargar la librería correspondiente al manejo de archivos de Excel. Posteriormente, mediante la función read.csv() se importó la base de datos denominada DATOS MORFOMÉTRICOS.csv, almacenada en el equipo. La información fue asignada al objeto llamado datos, permitiendo trabajar con ella dentro del entorno de R.

library(readxl)

# Cargar la base de datos
datos <- read.csv("C:/Users/Perica/Desktop/USCO/POSGRADO ESPECIALIZACIÓN/4. INFERENCIA ESTADÍSTICA/BASE DE DATOS MORFOMÉTRICOS.csv")

2.1 Recursos

Mendoza-Henao C, et al. (2019). Supplementary_Data_1_Morphometrics_Anura_4628_specimens. Base de datos de información morfométrica de 4.623 especímenes de anuros colombianos.

2.2 Referencias

Mendoza-Henao, A.M.; Cortes-Gomez, Á.M.; Gonzalez, M.A.; Hernandez-Córdoba, O.D.; Acosta-Galvis, A.R.; Castro-Herrera, F.; Daza, J.M.; Hoyos, J.M.; Ramirez-Pinilla, M.P.; Urbina-Cardona, N.; Salgado-Negret, B. (2019). A morphological database for Colombian anuran species from conservation-priority ecosystems. Ecology, 100(5), e02685. https://doi.org/10.1002/ecy.2685

3. Tipo de muestreo

El tipo de muestreo elegido fue el no probabilístico intencional o por conveniencia, una técnica en la que los elementos se seleccionan de acuerdo con criterios definidos por el investigador, considerando su disponibilidad y pertinencia para los objetivos del estudio, sin recurrir a procedimientos aleatorios.

Para este ejercicio, se adoptó el tipo de muestreo no probabilístico intencional tomando como criterio de selección la distribución taxonómica de los especímenes por familia. Esta decisión responde a las características de la base de datos Morfometría de anuros colombianos, en la cual se observa que los primeros registros presentan una distribución desigual de las especies, debido a que inicialmente aparecen pocos registros de determinadas especies y se repiten consecutivamente individuos pertenecientes a las mismas especies. Por esta razón, tomar los primeros registros de manera consecutiva podría generar una representación taxonómica poco diversa y concentrada en un número reducido de especies para nuestra investigación.

En consecuencia, se optó por considerar las familias taxonómicas en la conformación de las muestras, procurando obtener dos muestras con mayor diversidad taxonómica, evitando que la selección se concentre exclusivamente en las especies que aparecen con mayor frecuencia al inicio de la base de datos.

3.1 Población

La población de estudio está constituida por un total de 4.628 registros de anuros colombianos pertenecientes a las diferentes especies y familias registradas, contenidos en la base de datos Morfometría de anuros colombianos: Supplementary_Data_1_Morphometrics_Anura_4628_specimens.

3.2 Muestra

La muestra de estudio está constituida a partir de la población de 4.628 registros de especímenes de anuros disponibles en la base de datos, considerando la disponibilidad de datos de longitud rostro-cloacal (SVL) y el criterio de selección taxonómico. Por tanto, se conformaron dos muestras independientes de igual tamaño, cada una integrada por 355 registros, para un total de 710 observaciones.

Los registros se organizaron en dos conjuntos de datos denominados muestra_1 y muestra_2, que serán utilizados para calcular y comparar los estadísticos muestrales de la variable de interés.

3.3 Variable de análisis

Longitud rostro-cloacal (SVL): Variable cuantitativa continua que representa la distancia desde la punta del hocico hasta el margen posterior de la cloaca del espécimen. Se utiliza como medida morfométrica para evaluar el tamaño corporal de los anuros.

4. Estimadores

Los estimadores son una función o procedimiento matemático que utiliza los datos obtenidos de una muestra para calcular o aproximar el valor de un parámetro desconocido de una población. Su propósito es proporcionar información sobre las características de una población sin necesidad de estudiar a todos sus individuos.

A continuación, se realizaron diferentes procedimientos para conocer la estructura y las características de la información:

4.1. Visualización de los datos

Se utilizó la función head(datos) para observar las primeras filas de la base de datos y verificar cómo se encuentran organizadas las variables y los registros.

# Mostrar las primeras filas y el resumen en el documento final
head(datos)
#>      specimen         species  family microhabitat   svl thigh.L crus.L
#> 1 USNM-435236 Acris_crepitans Hylidae  terrestrial 17.81    9.15   9.76
#> 2 USNM-435237 Acris_crepitans Hylidae  terrestrial 18.57   10.23  10.72
#> 3 USNM-435242 Acris_crepitans Hylidae  terrestrial 18.82    9.09  10.40
#> 4 USNM-435244 Acris_crepitans Hylidae  terrestrial 19.32   10.20  11.06
#> 5 USNM-435258 Acris_crepitans Hylidae  terrestrial 17.60    9.32  10.04
#> 6 USNM-526326   Acris_gryllus Hylidae  terrestrial 18.46    9.63  10.62
#>   tarsus.L foot.L head.L head.W hand.L forearm.L upper.arm.L thigh.W thigh.D
#> 1     4.15   9.34   5.75   5.97   4.84      3.12        2.59    2.29    2.35
#> 2     5.10  10.10   6.01   6.15   5.12      3.15        2.78    2.85    2.56
#> 3     4.77  10.36   6.25   6.81   5.31      2.92        2.85    1.90    2.90
#> 4     5.33  10.21   6.16   6.66   5.35      3.11        3.11    2.07    2.91
#> 5     4.58   9.61   6.03   6.09   5.09      2.93        2.90    2.11    2.69
#> 6     5.25   9.92   5.53   6.32   5.05      3.15        3.45    2.06    2.00
#>   crus.W crus.D thigh.mass crus.mass inner.mtt foot.web foot.pad hand.pad
#> 1   1.20   2.10      0.027     0.010     0.293    8.057    1.500    0.808
#> 2   1.40   2.41      0.032     0.012     0.341    5.936    1.394    0.877
#> 3   1.34   2.10      0.030     0.013     0.453    8.072    1.500    0.930
#> 4   1.15   2.29      0.037     0.014     0.366    6.792    1.562    1.126
#> 5   1.20   2.06      0.027     0.008     0.322    8.181    1.507    0.842
#> 6   1.18   2.29      0.028     0.011     0.227    5.878    1.130    0.815
#>   thigh.v  crus.v
#> 1 12.8912 6.43901
#> 2 19.5402 9.46910
#> 3 13.1125 7.66172
#> 4 16.0854 7.62530
#> 5 13.8490 6.49757
#> 6 10.3870 7.51295

4.2. Resumen estadístico

Mediante summary(datos) se obtuvo un resumen general de las variables, incluyendo sus valores mínimos, máximos, medianas, medias y cuartiles, según el tipo de variable.

summary(datos)
#>       specimen         species           family        microhabitat 
#>  Length   :4628   Length   :4628   Length   :4628   Length   :4628  
#>  N.unique :4628   N.unique :1234   N.unique :  51   N.unique :  12  
#>  N.blank  :   0   N.blank  :   0   N.blank  :   0   N.blank  :   0  
#>  Min.nchar:   6   Min.nchar:   9   Min.nchar:   7   Min.nchar:   7  
#>  Max.nchar:  17   Max.nchar:  32   Max.nchar:  19   Max.nchar:  23  
#>                                                     NAs      : 709  
#>                                                                     
#>       svl            thigh.L          crus.L        tarsus.L         foot.L    
#>  Min.   :  7.94   Min.   : 3.12   Min.   : 3.4   Min.   : 2.07   Min.   : 2.8  
#>  1st Qu.: 24.73   1st Qu.:11.21   1st Qu.:11.8   1st Qu.: 6.23   1st Qu.:10.8  
#>  Median : 33.36   Median :15.69   Median :16.1   Median : 8.54   Median :15.0  
#>  Mean   : 38.01   Mean   :17.75   Mean   :18.4   Mean   : 9.57   Mean   :17.4  
#>  3rd Qu.: 46.73   3rd Qu.:21.89   3rd Qu.:23.1   3rd Qu.:11.82   3rd Qu.:21.8  
#>  Max.   :138.62   Max.   :68.16   Max.   :69.3   Max.   :32.04   Max.   :68.5  
#>                                                                                
#>      head.L          head.W          hand.L        forearm.L    
#>  Min.   : 2.03   Min.   : 1.62   Min.   : 0.99   Min.   : 1.59  
#>  1st Qu.: 6.73   1st Qu.: 8.02   1st Qu.: 6.66   1st Qu.: 4.82  
#>  Median : 9.62   Median :11.09   Median : 9.32   Median : 6.60  
#>  Mean   :11.19   Mean   :13.07   Mean   :10.49   Mean   : 7.63  
#>  3rd Qu.:14.15   3rd Qu.:16.41   3rd Qu.:13.10   3rd Qu.: 9.43  
#>  Max.   :52.33   Max.   :60.46   Max.   :37.16   Max.   :32.55  
#>                                                                 
#>   upper.arm.L       thigh.W         thigh.D          crus.W     
#>  Min.   : 1.26   Min.   : 0.58   Min.   : 0.87   Min.   : 0.22  
#>  1st Qu.: 4.44   1st Qu.: 2.38   1st Qu.: 2.49   1st Qu.: 1.13  
#>  Median : 5.94   Median : 3.38   Median : 3.62   Median : 1.83  
#>  Mean   : 6.84   Mean   : 4.22   Mean   : 4.55   Mean   : 2.40  
#>  3rd Qu.: 8.43   3rd Qu.: 5.15   3rd Qu.: 5.67   3rd Qu.: 2.96  
#>  Max.   :30.31   Max.   :28.35   Max.   :26.00   Max.   :20.14  
#>                  NAs    :229     NAs    :229     NAs    :229    
#>      crus.D        thigh.mass       crus.mass       inner.mtt     
#>  Min.   : 0.53   Min.   : 0.008   Min.   :0.002   Min.   : 0.000  
#>  1st Qu.: 1.89   1st Qu.: 0.054   1st Qu.:0.024   1st Qu.: 0.420  
#>  Median : 2.81   Median : 0.156   Median :0.064   Median : 0.928  
#>  Mean   : 3.42   Mean   : 0.533   Mean   :0.199   Mean   : 1.908  
#>  3rd Qu.: 4.26   3rd Qu.: 0.530   3rd Qu.:0.194   3rd Qu.: 2.200  
#>  Max.   :17.89   Max.   :10.922   Max.   :3.386   Max.   :35.714  
#>  NAs    :229     NAs    :3804     NAs    :3804                    
#>     foot.web          foot.pad         hand.pad          thigh.v         
#>  Min.   :  0.012   Min.   :  0.00   Min.   :  0.021   Min.   :    0.871  
#>  1st Qu.:  1.491   1st Qu.:  1.58   1st Qu.:  1.247   1st Qu.:   18.427  
#>  Median :  9.150   Median :  3.21   Median :  2.721   Median :   50.222  
#>  Mean   : 36.916   Mean   :  6.28   Mean   :  5.785   Mean   :  202.269  
#>  3rd Qu.: 34.306   3rd Qu.:  7.06   3rd Qu.:  6.168   3rd Qu.:  164.826  
#>  Max.   :972.832   Max.   :122.46   Max.   :150.713   Max.   :10321.653  
#>                                                                          
#>      crus.v        
#>  Min.   :   0.294  
#>  1st Qu.:   7.643  
#>  Median :  20.654  
#>  Mean   :  84.781  
#>  3rd Qu.:  68.424  
#>  Max.   :4202.770  
#> 

• Cálculo de la media:

Se utilizó mean(datos$svl) para calcular la media aritmética de la variable SVL, obteniendo un valor promedio de 38.0109.

mean(datos$svl)
#> [1] 38.0109

• Cálculo de la varianza:

Mediante var(datos$svl) se calculó la varianza de SVL, obteniendo un resultado de 335.68, lo que indica la dispersión de los datos respecto a su media.

var(datos$svl)
#> [1] 335.68

• Cálculo de la desviación estándar:

Con sd(datos$svl) se obtuvo una desviación estándar de 18.3216, que representa el grado de variabilidad de los datos con respecto al promedio.

sd(datos$svl)
#> [1] 18.3216

5. Cálculo de las muestras

Para determinar el tamaño de las muestras se utilizó la fórmula de cálculo para poblaciones finitas propuesta por William G. Cochran (1977), descrita en su libro Sampling Techniques. Este procedimiento permite estimar el número de observaciones necesarias a partir de la base de datos Morfometría de anuros colombianos (4628 datos), considerando un nivel de confianza, un margen de error y una proporción esperada.

Fórmula de Cochran para poblaciones finitas (1977)

La expresión matemática es:

\[ n = \frac{N \cdot Z^2 \cdot p \cdot q} {e^2(N-1) + Z^2 \cdot p \cdot q} \]

Donde:

Entonces, modificamos las variables y ajustamos a nuestro caso de estudio:

# ==========================================
N <- 4628    # Tamaño de la población (4628 datos de especies de Anuros Colombianos)
Z <- 1.96   # Nivel de confianza (1.96 corresponde a un 95% de certeza)
p <- 0.50   # Probabilidad de éxito (0.50 maximiza la muestra si no hay estudios previos)
e <- 0.05   # Error de estimación máximo aceptado (0.05 corresponde a un 5%)
# ==========================================

# Probabilidad de fracaso
q <- 0.50 

# Cálculo directo exacto y redondeo
muestra <- (N * Z^2 * p * q) / ((e^2) * (N - 1) + (Z^2) * p * q)
muestra_redondeada <- ceiling(muestra)
muestra
#> [1] 354.787
muestra_redondeada
#> [1] 355
n_final <- ceiling(muestra)
print(n_final)
#> [1] 355

Por tanto, cada muestra debe estar una conformada por 355 registros de especímenes, utilizando la variable longitud rostro-cloacal (SVL) y el criterio de selección taxonómico.

5.1 Muestra 1

La primera muestra está conformada por 355 registros de especímenes de anuros. A partir de estos registros, se calculó la media, la varianza y la desviación estándar de la longitud rostro-cloacal (SVL).

# 1. Seleccionar los 355 datos

library(readxl)

# Cargar la base de datos
muestra_1 <- read_excel("C:/Users/Perica/Desktop/USCO/POSGRADO ESPECIALIZACIÓN/4. INFERENCIA ESTADÍSTICA/muestra_1.xlsx")

# Verificar cantidad de individuos seleccionados
nrow(muestra_1)
#> [1] 355
# 2. Calcular estadísticos de SVL

# Media
media_svl <- mean(muestra_1$svl, na.rm = TRUE)

# Varianza
varianza_svl <- var(muestra_1$svl, na.rm = TRUE)

# Desviación estándar
desviacion_svl <- sd(muestra_1$svl, na.rm = TRUE)

# 3. Crear tabla de resultados

resultados <- data.frame(
  Variable = "SVL",
  Tamaño_muestra = sum(!is.na(muestra_1$svl)),
  Media = media_svl,
  Varianza = varianza_svl,
  Desviacion_Estandar = desviacion_svl)

# 4. Mostrar tabla final

print(resultados)
#>   Variable Tamaño_muestra   Media Varianza Desviacion_Estandar
#> 1      SVL            355 37.4012  322.471             17.9575

5.2 Muestra 2

La segunda muestra está conformada por otros 355 registros de especímenes de anuros, sin repetir los individuos incluidos en la primera muestra. Al igual que en la muestra anterior, se calcularon la media, la varianza y la desviación estándar de la longitud rostro-cloacal (SVL).

# 1. Seleccionar los 355 datos

library(readxl)

# Cargar la base de datos
muestra_2 <- read_excel("C:/Users/Perica/Desktop/USCO/POSGRADO ESPECIALIZACIÓN/4. INFERENCIA ESTADÍSTICA/muestra_2.xlsx")

# Verificar cantidad de individuos seleccionados
nrow(muestra_2)
#> [1] 355
# 2. Calcular estadísticos de SVL

# Media
media_svl <- mean(muestra_2$svl, na.rm = TRUE)

# Varianza
varianza_svl <- var(muestra_2$svl, na.rm = TRUE)

# Desviación estándar
desviacion_svl <- sd(muestra_2$svl, na.rm = TRUE)

# 3. Crear tabla de resultados

resultados <- data.frame(
  Variable = "SVL",
  Tamaño_muestra = sum(!is.na(muestra_2$svl)),
  Media = media_svl,
  Varianza = varianza_svl,
  Desviacion_Estandar = desviacion_svl)

# 4. Mostrar tabla final

print(resultados)
#>   Variable Tamaño_muestra   Media Varianza Desviacion_Estandar
#> 1      SVL            355 36.7823  315.641             17.7663

Tabla 1. Comparación de estadísticos descriptivos del SVL en las dos muestras

Muestra Tamaño muestral Media Varianza Desviación estándar
Muestra 1 355 37.401 322.471 17.957
Muestra 2 355 36.782 315.641 17.766

6. Atributos deseables de un estimador

Los atributos de un estimador son las propiedades estadísticas que permiten evaluar su calidad, comportamiento y confiabilidad al estimar un parámetro poblacional a partir de una muestra. Estos permiten determinar qué tan adecuado es un estimador para representar las características de una población, comparando:

Tabla 2. Correspondencia entre los parámetros poblacionales y sus respectivos estimadores muestrales

Parámetro poblacional Estimador muestral
Media poblacional (\(\mu\)) Media muestral (\(\bar{x}\))
Varianza poblacional (\(\sigma^2\)) Varianza muestral (\(S^2\))
Desviación estándar poblacional (\(\sigma\)) Desviación estándar muestral (\(S\))

Para nuestro ejercicio tendremos la comparación de los parámetros poblacionales con los estimadores obtenidos en cada muestra:

Tabla 3. Comparación de los estadísticos descriptivos de SVL entre la población y las dos muestras.

Parámetro Población Muestra_1 Muestra_2
Media 38.0109 37.4012 36.7823
Varianza 335.6800 322.4706 315.6407
Desviación estándar 18.3216 17.9575 17.7663

Por tanto, se evaluaron los siguientes atributos:

6.1 Insesgadez

Un estimador es insesgado cuando su esperanza matemática es igual al parámetro poblacional que pretende estimar. Esto significa que, al considerar un número suficientemente grande de muestras obtenidas bajo el mismo diseño de muestreo, el promedio de las estimaciones coincide con el verdadero valor del parámetro poblacional.

Matemáticamente, se expresa como:

\[ E(\hat{\theta})=\theta \] Donde:

  • \(\hat{\theta}\): estimador del parámetro poblacional.
  • \(E(\hat{\theta})\): esperanza matemática del estimador.
  • \(\theta\): parámetro poblacional que se desea estimar.

De esta manera, calculamos las restas y modificamos las variables para nuestro caso de estudio:

Tabla 4. Diferencias entre los estadísticos muestrales y los parámetros poblacionales para la variable SVL

Parámetro Diferencia_Muestra_1 Diferencia_Muestra_2
Media -0.6097 -1.2286
Varianza -13.2093 -20.0392
Desviación estándar -0.3641 -0.5553

Conclusión

Al comparar los estimadores obtenidos en las dos muestras con los parámetros calculados para la población de anuros colombianos, se observa que las diferencias presentan valores negativos para la media, la varianza y la desviación estándar. Esto indica que ambas muestras proporcionaron estimaciones inferiores a los valores poblacionales, evidenciando una tendencia a la subestimación de estos parámetros.

Es así como se identifica que la muestra 1 presenta una media más cercana a la poblacional que la muestra 2. De igual manera, presenta una varianza más cercana al valor poblacional y una desviación estándar con una diferencia de menor magnitud. Por tanto, en los tres estimadores, la muestra 1 presenta una aproximación numérica más cercana a los parámetros poblacionales, lo que evidencia un mejorcomportamiento más favorable en términos de aproximación a los parámetros de la población.

6.2 Consistencia

Un estimador es consistente cuando, a medida que aumenta el tamaño de la muestra, las estimaciones se aproximan al verdadero valor del parámetro poblacional. En otras palabras, la probabilidad de obtener estimaciones cercanas al parámetro aumenta conforme se incrementa el tamaño muestral.

Se expresa mediante la convergencia en probabilidad:

\[ \hat{\theta}_n \xrightarrow{P} \theta \] Donde:

  • \(\hat{\theta}_n\): estimador calculado con una muestra de tamaño \(n\).
  • \(\theta\): parámetro poblacional.

Para este ejercicio, cada muestra se evaluarán los siguientes tamaños muestrales:

\[ n = 25, 50, 100, 150, 200, 250, 300, 355 \]

Para cada tamaño muestral se calcularán la media, la varianza y la desviación estándar. Posteriormente, los resultados se compararán con sus respectivos parámetros poblacionales mediante el cálculo del error absoluto:

\[ \text{Error absoluto} = |\hat{\theta}_n - \theta| \]

Este procedimiento se repetirá varias veces para cada tamaño muestral, con el fin de calcular el error absoluto promedio. De esta manera, se podrá observar si el error disminuye a medida que aumenta el tamaño de la muestra, lo que permitirá evaluar el comportamiento de los estimadores respecto a la consistencia.

Tabla 4. Evaluación empírica de la consistencia según el tamaño muestral

Muestra Tamaño muestral Error de la media Error de la varianza Error de la desviación estándar
Muestra 1 25 2.8735 89.0266 2.5451
Muestra 1 50 1.9614 62.7941 1.8372
Muestra 1 100 1.3454 40.9051 1.1545
Muestra 1 150 1.0332 30.8454 0.8315
Muestra 1 200 0.8277 23.9641 0.6454
Muestra 1 250 0.7350 18.5372 0.5107
Muestra 1 300 0.6326 13.8265 0.4076
Muestra 1 355 0.6097 13.2093 0.3641
Muestra 2 25 2.9023 79.0790 2.3150
Muestra 2 50 2.1699 56.6214 1.5434
Muestra 2 100 1.6290 37.2811 1.0632
Muestra 2 150 1.3668 29.6975 0.8393
Muestra 2 200 1.2987 24.2482 0.7078
Muestra 2 250 1.2035 22.8505 0.5979
Muestra 2 300 1.2178 20.3918 0.5445
Muestra 2 355 1.2286 20.0392 0.5553

Conclusión

Los resultados muestran que, en ambas muestras, los errores absolutos promedio de la media, la varianza y la desviación estándar tienden a disminuir conforme aumenta el tamaño muestral. Este comportamiento evidencia una aproximación progresiva de los estimadores a sus respectivos parámetros poblacionales, lo cual es compatible con el comportamiento esperado de estimadores consistentes.

Al comparar las dos muestras, la muestra 1 presenta una mayor aproximación a los parámetros poblacionales y un comportamiento más favorable respecto a la consistencia empírica, ya que alcanza menores errores absolutos para los tres estimadores con un tamaño muestral de 355 registros: 0.6097 para la media, 13.2093 para la varianza y 0.3641 para la desviación estándar. Por su parte, la muestra 2 también muestra una reducción de los errores a medida que aumenta el tamaño muestral, aunque presenta pequeñas fluctuaciones en los últimos tamaños evaluados, particularmente en la media y la varianza.

6.3 Eficiencia

Un estimador es eficiente cuando presenta la menor varianza posible entre los estimadores insesgados que estiman un mismo parámetro poblacional. Una menor varianza indica que las estimaciones presentan menor dispersión alrededor de su esperanza matemática.

Por ejemplo, si dos estimadores insesgados estiman el mismo parámetro y cumplen que:

\[ Var(\hat{\theta}_1)<Var(\hat{\theta}_2) \]

Entonces, el primer estimador es más eficiente que el segundo.

Por tanto, el estimador que tenga menor varianza de estimación será el más eficiente, siempre que se cumplan las condiciones de comparación, donde nuestros datos arrojan:

Estimador Muestra 1 Muestra 2 Mayor eficiencia
Media 0.908368 0.889129 Muestra 2
Varianza 587.498902 562.876137 Muestra 2
Desviación estándar 0.455467 0.445820 Muestra 2

Conclusión

Al comparar las varianzas estimadas de los estimadores de la media, la varianza y la desviación estándar de las dos muestras, se encontró que la muestra 2 presentó valores inferiores en los tres estimadores, con respecto a la muestra 1. Para la media, se obtuvo una varianza estimada de 0.889129 frente a 0.908368; para la varianza, 562.876137 frente a 587.498902; y para la desviación estándar, 0.445820 frente a 0.455467.

De acuerdo con el criterio de eficiencia, según el cual una menor varianza estimada representa una menor dispersión del estimador y, por tanto, una mayor eficiencia, la muestra 2 presentó mayor eficiencia estimada en los tres parámetros evaluados.

6.4 Suficiencia

Un estimador es suficiente cuando contiene toda la información de la muestra relevante para estimar un parámetro poblacional, de acuerdo con el modelo estadístico establecido. Esto significa que no se pierde información relevante sobre el parámetro al resumir los datos mediante dicho estadístico.

Para nuestro ejercicio, si asumimos que la longitud rostro-cloacal (SVL) sigue una distribución normal:

\[ X_i\sim N(\mu,\sigma^2) \]

Donde:

  • \(\mu\): media poblacional.
  • \(\sigma^2\): varianza poblacional.
  • \(\sigma\): desviación estándar poblacional.

De acuerdo con la teoría estadística, cuando ambos parámetros son desconocidos, el estadístico suficiente conjunto está dado por:

\[ T(X)=\left(\sum_{i=1}^{n}X_i,\sum_{i=1}^{n}X_i^2\right) \]

Este estadístico es equivalente a utilizar conjuntamente la media y la varianza muestrales:

\[ T(X)=(\bar X,S^2) \]

Por tanto, bajo el supuesto de normalidad, la media y la varianza muestrales contienen toda la información de la muestra necesaria para estimar conjuntamente los dos parámetros poblacionales. La desviación estándar también queda determinada, puesto que:

\[ S=\sqrt{S^2} \]

Tabla 5. Estadísticos suficientes para la estimación de los parámetros de SVL bajo el modelo normal

Muestra Tamaño muestral Media Varianza Desviación estándar Suma de SVL Suma de cuadrados
Muestra 1 355 37.4012 322.471 17.9575 13277.4 610747
Muestra 2 355 36.7823 315.641 17.7663 13057.7 592030

Conclusión

Bajo el supuesto de que la longitud rostro-cloacal (SVL) de los anuros colombianos sigue una distribución normal, se establece que la media y la varianza muestrales, consideradas conjuntamente, constituyen estadísticos suficientes para estimar los parámetros poblacionales de media (\(\mu\)) y varianza (\(\sigma^2\)). Asimismo, la desviación estándar muestral queda determinada por la varianza, al corresponder a su raíz cuadrada.

Por tanto, tanto la muestra 1 como la muestra 2 cumplen con el criterio de suficiencia bajo el modelo normal establecido, dado que sus estadísticos suficientes permiten resumir la información necesaria para estimar los parámetros de interés. En consecuencia, no se establece que una muestra sea más suficiente que la otra, puesto que ambas cumplen la misma propiedad estadística bajo los supuestos del modelo.

Es importante precisar que esta conclusión se fundamenta en el teorema de factorización de Fisher-Neyman y depende del supuesto de normalidad y de la independencia de las observaciones. La tabla presenta los estadísticos calculados para cada muestra, mientras que la demostración teórica sustenta la propiedad de suficiencia.

7. Conclusión general

La evaluación de los atributos de los estimadores permitió comparar dos muestras de 355 registros, seleccionadas mediante muestreo no probabilístico intencional, utilizando la longitud rostro-cloacal (SVL) de los anuros colombianos como variable de análisis.

Los resultados indican que la muestra 1 presentó una mejor aproximación a los parámetros poblacionales de media, varianza y desviación estándar, así como menores errores absolutos en la evaluación empírica de la consistencia. Por su parte, la muestra 2 presentó mayor eficiencia estimada, al registrar menores varianzas aproximadas de los tres estimadores.

En cuanto a la suficiencia, ambas muestras cumplen esta propiedad bajo el supuesto de normalidad e independencia de las observaciones, por lo que no existe una ventaja entre ellas en este atributo.

Finalmente, acorde a los objetivos del estudio se decide elegir trabajar la estimación puntual con la la muestra 1 como la opción final debido a que los atributos donde se destaca, son los que nos permiten lograr la investigación.

PARTE 2

1. Intervalos de confianza

Se calculó el intervalo de confianza del 95 % para la media de la longitud rostro-cloacal (SVL) de los individuos de la muestra 1. Para ello, se utilizó la distribución t de Student, considerando la desviación estándar y el tamaño de la muestra. El error estándar se calculó dividiendo la desviación estándar entre la raíz cuadrada del tamaño muestral, mientras que el margen de error se obtuvo a partir del valor crítico de t.

El intervalo de confianza se estimó mediante la siguiente expresión:

\[ IC_{95\%}=\bar{x}\pm t_{\alpha/2,n-1} \left(\frac{s}{\sqrt{n}}\right) \]

Donde:

  • \(\bar{x}\): media muestral.
  • \(t\): valor crítico de la distribución t de Student.
  • \(s\): desviación estándar muestral.
  • \(n\): tamaño de la muestra.

1.1 Intervalo de confianza de la muestra 1

Para la primera muestra, se calcularon los estadísticos necesarios para establecer los límites inferior y superior del intervalo de confianza.

Tabla 6. Estadísticos e intervalo de confianza del 95 % para la variable SVL de la muestra 1

Estadístico Resultado
Media muestral 37.401
Desviación estándar 17.957
Tamaño de muestra (n) 355.000
Error estándar 0.953
Margen de error 1.874
Límite inferior del IC (95 %) 35.527
Límite superior del IC (95 %) 39.276

Interpretación: Con un nivel de confianza del 95 %, se estima que la media poblacional de la longitud rostro-cloacal (SVL) se encuentra entre 35.527 y 39.276 mm para la muestra 1. La media muestral fue de 37.401 mm, con una desviación estándar de 17.957 mm y un tamaño de muestra de 355 individuos. El margen de error fue de 1.874 mm, lo que indica la amplitud del intervalo alrededor de la media estimada.

1.2 Intervalo de confianza de la muestra 2

Para la segunda muestra, se calcularon los estadísticos necesarios para establecer los límites inferior y superior del intervalo de confianza.

Tabla 7. Estadísticos e intervalo de confianza del 95 % para la variable SVL de la muestra 2

Estadístico Resultado
Media muestral 36.782
Desviación estándar 17.766
Tamaño de muestra (n) 355.000
Error estándar 0.943
Margen de error 1.854
Límite inferior del IC (95 %) 34.928
Límite superior del IC (95 %) 38.637

Interpretación: Con un nivel de confianza del 95 %, se estima que la media poblacional de la longitud rostro-cloacal (SVL) se encuentra entre 34.928 y 38.637 mm para la muestra 2. La media muestral fue de 36.782 mm, con una desviación estándar de 17.766 mm y un tamaño de muestra de 355 individuos. El margen de error fue de 1.854 mm, lo que indica la amplitud del intervalo alrededor de la media estimada.

2. Verificación de los intervalos de confianza mediante la prueba t de Student

Como procedimiento de verificación, se utilizó la función t.test() de R para calcular los intervalos de confianza del 95 % de la media de la variable SVL en ambas muestras. Esta función permite obtener la media estimada, el estadístico t, los grados de libertad y los límites del intervalo de confianza, contrastando los resultados con los cálculos realizados previamente.

Muestra 1

t.test(muestraic_1, conf.level = 0.95)
#> 
#>  One Sample t-test
#> 
#> data:  muestraic_1
#> t = 39.24, df = 354, p-value <0.0000000000000002
#> alternative hypothesis: true mean is not equal to 0
#> 95 percent confidence interval:
#>  35.5268 39.2756
#> sample estimates:
#> mean of x 
#>   37.4012

Muestra 2

t.test(muestraic_2, conf.level = 0.95)
#> 
#>  One Sample t-test
#> 
#> data:  muestraic_2
#> t = 39.01, df = 354, p-value <0.0000000000000002
#> alternative hypothesis: true mean is not equal to 0
#> 95 percent confidence interval:
#>  34.9278 38.6368
#> sample estimates:
#> mean of x 
#>   36.7823

Los resultados obtenidos mediante t.test() permiten verificar los intervalos de confianza calculados manualmente para ambas muestras. Al utilizar el mismo nivel de confianza del 95 %, los límites obtenidos deben coincidir, salvo pequeñas diferencias por redondeo. Esto confirma la consistencia de los procedimientos de cálculo empleados.

3. Conclusión general

Podemos evidenciar que ambos intervalos presentan una amplitud similar y se superponen entre sí. La muestra 1 presenta una media ligeramente superior (37.401 mm) respecto a la muestra 2 (36.782 mm). Sin embargo, la superposición de los intervalos indica que las estimaciones son compatibles entre sí.

El comportamiento similar de los IC para ambas muestras se explica debido a que cuentan con la misma cantidad de individuos (355) y sus estimaciones de media, varianza y desviación estándar muestran valores cercanos entre sí. Esto indica que ambas conservan características estadísticas similares y permiten realizar el análisis bajo las mismas condiciones. Además, bajo el supuesto de una distribución normal, ambas cuentan con el estadístico suficiente para estimar la media y la varianza poblacionales. Por tanto, podemos elegir trabajar con cualquier muestra.