Estudiantes: Claudia Gómez Campos, Sasha Graziani, María José Jiménez Montero

Facultad de Ciencias Biológicas, Universidad Nacional de Costa Rica

Metodología

Para la prueba de ANDEVA se utilizó la hoja de experimento con el fin de demostrar si la temperatura influye en las tallas finales de las especies Titanostrombus galeatus (TIT_GAL) y Triplofusus princeps (TRI_PRI) y la hoja de muestreo para comprobar si las abundancias de las cuatro especies presentaban una diferencia significativa en los cuatro sitios que constituyen el área de investigación. Por lo que concierne en la primera prueba de ANDEVA, se crearon dos vectores correspondientes a temperatura y talla final respectivamente, se escogió como factor la variable temperatura, por lo cual se le aplicó el código “as.factor” para convertirla en un factor posteriormente comprobado con el código “is.factor”. Se creó un modelo talla final ~ temperatura y se aplicaron las pruebas de los supuestos cuales la prueba de normalidad de Shapiro de los residuos, la prueba de tapply para probar si los datos eran balanceados, la Prueba de Cochran para comprobar la homocedasticidad de los datos, el Modelo de Kruskal.Wallis para demostrar si los resultados eran significativos, y las pruebas post para ver si hay diferencia significativa entre las variables. Con respecto a la segunda prueba de ANDEVA se crearon dos vectores de sitio y abundancia respectivamente, como factor se utilizó la variable “Sitio”, por ende se convirtió en factor con el código correspondiente a “as.factor” y se comprobó posteriormente. Se creó un modelo de abundancia ~ sitio y se aplicaron las pruebas de supuesto como en el primer caso para averiguar la homocedasticidad de los datos a analizar. Posteriormente al análisis se graficaron los resultados utilizando un ggplot.

Resultados e interpretación

Para el primer análisis dónde se compara la temperatura con respecto a la talla final de las especies Titanostrombus galeatus (TIT_GAL) y Triplofusus princeps (TRI_PRI), se determinaron diferencias significativas a través de una prueba de Kruskal-Wallis (chi-squared = 14.59, df = 3, p < 0.05). La asimetría de los residuos de los datos fue comprobada mediante una prueba de Shapiro (p < 0.05) y la homocedasticidad para los datos no balanceados, fue determinada a través de una prueba de Cochran (C = 0.35, gl=20, p > 0.05). A partir del resultado de la prueba de KW, se realizó el método LSD pareado de Wilcoxon, como prueba a posteriori, para identificar los grupos en donde se encontró diferencia significativa. A partir de esta prueba, la significancia detectada fue entre las temperaturas de 10 °C con respecto a 25°C y 35°C (p<0.05), así como también entre las temperaturas de 15°C con respecto a 25°C y 35°C (p<0.05) pero no entre las de 25°C y 35°C (p>0.05) ni entre las de 10°C y 15 °C (p>0.05)

Figura 1: Análisis entre las especies y la talla final

Para el segundo análisis, no se encontraron diferencias significativas a través de la prueba de Kruskal-Wallis (chi-squared = 0.58, df = 3, p > 0.05), la prueba de Shapiro dio como resultado datos asimétricos (p < 0.05) y la homocedasticidad para datos balanceados fue determinada por medio de la prueba de Fligner (chi-squared = 2.93, df = 3, p> 0.05).

Figura 2: Análisis entre la abundancia y el sitio

Comandos

library(readxl)
library(outliers)
library(tidyverse)

#1
BD_Gasteropodaex$Temperatura..C.<-as.factor(BD_Gasteropodaex$Temperatura..C.)
is.factor(BD_Gasteropodaex$Temperatura..C.)
model<-aov(BD_Gasteropodaex$Talla_final~BD_Gasteropodaex$Temperatura..C.)
model
shapiro.test(model$residuals)
tapply(BD_Gasteropodaex$Talla_final, BD_Gasteropodaex$Temperatura..C., length)
x<-c(BD_Gasteropodaex$Temperatura..C.)
y<-c(BD_Gasteropodaex$Talla_final)
cochran.test(y~x)
kruskal.test(BD_Gasteropodaex$Talla_final~BD_Gasteropodaex$Temperatura..C.)
pairwise.wilcox.test(BD_Gasteropodaex$Talla_final, BD_Gasteropodaex$Temperatura..C., p.adj="none", exact=F)


ggplot(BD_Gasteropodaex,aes(Temperatura..C, Talla_final , colour = Temperatura..C ))+geom_point() + geom_boxplot()


#2
sitio<- c(data1$Sitio)
abundancia<- c(data1$Abundancia)
SITIO<-as.factor(sitio)
is.factor(SITIO)
modeloANOVA2<-aov(abundancia~SITIO)
modeloANOVA2
shapiro.test(modeloANOVA2$residuals)
tapply(abundancia,SITIO,length) 
fligner.test(abundancia~SITIO) 
kruskal.test(abundancia~SITIO) 

ggplot(BD_Gasteropodamues,aes(SITIO, Abundancia, colour = SITIO ))+geom_point() + geom_boxplot()