material y mÄ todosκy = , (7)1−αt+ βeUna manera <strong>de</strong> ajustar una curva logística a unos datos dados consiste en linearizarlos.Para ello, reor<strong>de</strong>namos la expresión (7) <strong>de</strong> la siguiente manera:κ1 βe −αt =+,yκ= βey −1−αty tomamos logaritmos naturales <strong>de</strong> la expresión resultante, lo que constituye lallamada transformada logit:κ κ − yln = ln = ln −αβt(8)y −1yEsta expresión es una línea recta. Para ajustarla necesitaremos fijar la capacidad <strong>de</strong>carga κ, por prueba y error, y encontraremos los parámetros α y ln β por regresión lineal.Un inconveniente <strong>de</strong> este método es que no admite la natural dispersión <strong>de</strong> datosalre<strong>de</strong>dor <strong>de</strong> la capacidad carga, ya que cualquier dato mayor que κ cae fuera <strong><strong>de</strong>l</strong> campo <strong>de</strong>existencia <strong>de</strong> la función. Obliga, pues a que κ sea mayor que cualquier dato, lo que lleva asobreestimarla. Una ventaja <strong>de</strong> este método es que admite incorporar fácilmente efectos fijosen un análisis <strong>de</strong> covarianza. De esta manera, tendríamos diferentes ln β i para cada uno <strong><strong>de</strong>l</strong>os niveles <strong><strong>de</strong>l</strong> factor fijo (tratamientos), reflejando situaciones como la <strong>de</strong> la figura 8c.También nos permitiría comprobar si alfa varía o no entre tratamientos, como en la figura 8b.Sin embargo, no sería posible contrastar la hipótesis <strong>de</strong> diferentes κ, ya que están fijadas enla transformada.2.6.2.5. Regresión no linealExisten métodos específicos para calcular los parámetros <strong>de</strong> una regresión no lineal(SAS, 1999) sin necesidad <strong>de</strong> transformar la variable <strong>de</strong>pendiente. A diferencia <strong><strong>de</strong>l</strong> método<strong>de</strong> ajuste por mínimos cuadrados que utiliza la regresión lineal, estos métodos no garantizanque se encuentre la solución óptima al problema. Funcionan por iteración a partir <strong>de</strong> unosparámetros aproximados iniciales propuestos por el experimentador. En este trabajo hemosseguido el método <strong>de</strong> Sit (1992): hacer una primera regresión lineal con transformada logit(2.6.2.4) y utilizar los parámetros obtenidos como aproximaciones iniciales <strong>de</strong> la regresiónno lineal. También hemos seguido a esta autora para incorporar los efectos fijos al mo<strong><strong>de</strong>l</strong>o.2.6.3.- Diseño experimental y programas informáticos.8770
Biolog• a <strong><strong>de</strong>l</strong> <strong>gusano</strong> <strong>de</strong> alamBre (<strong>Agriotes</strong> <strong>spp</strong>.) en la llanada alavesa y <strong>de</strong>sarrollo <strong>de</strong> estrategias <strong>de</strong> control integrado en el cultivo <strong>de</strong> la patata2.6.3.1.- Diseño experimental.La mayor parte <strong>de</strong> los experimentos <strong>de</strong> este trabajo tiene diseño factorial (2.6.2.1). Losensayos <strong>de</strong> control en campo tienen, generalmente, un diseño <strong>de</strong> bloques completos al azar,don<strong>de</strong> el bloque se toma como factor aleatorio y el tratamiento como factor fijo. Por lassospechas <strong>de</strong> distribución agregada en el suelo, en algún caso se ha recurrido al diseño <strong>de</strong>bloques incompletos equilibrados, para minimizar el área <strong>de</strong> cada bloque. Cuando se hancombinado los resultados <strong>de</strong> varias campañas <strong>de</strong> ensayos, se ha tomado el factor Año comofijo.Siempre que la técnica experimental lo permitía, se ha recurrido a este diseño enbloques, intentando aislar las fuentes <strong>de</strong> variación no controladas. Por ejemplo, en la cría encajas al aire libre, se han empleado éstas como bloques, distribuyendo los cultivos <strong>de</strong>ntro <strong>de</strong>ellas. En cambio, en la cría en cámara climática, y <strong>de</strong>bido al problema <strong><strong>de</strong>l</strong> canibalismo, se hautilizado una larva por vial, en un diseño completamente aleatorizado y no factorial; <strong>de</strong>manera que se estudiaron los datos como una única población.2.6.3.2.- Comparaciones <strong>de</strong> medias.Salvo el caso especial <strong>de</strong> tener únicamente dos niveles <strong>de</strong> un factor, o <strong>de</strong> utilizarcontrastes diseñados a priori, el número total <strong>de</strong> comparaciones <strong>de</strong> unas medias con otras essiempre superior a los grados <strong>de</strong> libertad disponibles. Esto ha generado un buen número <strong>de</strong>pruebas estadísticas, que tratan <strong>de</strong> compensar el aumento <strong>de</strong> error β que se produce alintentar disminuir el α. Los más populares son la mínima diferencia significativa <strong>de</strong> Fisher(least significant difference, LSD), también llamada prueba <strong>de</strong> la t (t-test), que sólo tiene encuenta el error α, y la prueba <strong>de</strong> rango múltiple <strong>de</strong> Duncan, que va aumentando la LSD segúnel número <strong>de</strong> medias consecutivas que se estén comparando (Duncan, 1955). En este trabajose ha optado por la prueba <strong>de</strong> Waller-Duncan (Waller y Duncan 1969, citado en Steel yTorrie, 1960), que utiliza la teoría bayesiana para compensar los dos errores.2.6.3.3.- Programas informáticos.Los datos brutos se ha ido recogiendo en tablas Excel© (Microsoft Corporation). Paralos diferentes análisis estadísticos se ha utilizado un paquete SAS, versión 8 (SAS Inc., 1999).8871
- Page 5 and 6:
Un registro bibliográfico de esta
- Page 8:
Agradecimientos:Me resulta muy dif
- Page 12 and 13:
• ndice1. INTRODUCCIÓN .........
- Page 14:
• ndice3.5.4. Control cultural...
- Page 18 and 19:
introducci” n1.1. Taxonomía y bi
- Page 20 and 21:
introducci” nEs la subfamilia Ela
- Page 22 and 23:
introducci” ninterestría de cada
- Page 24 and 25:
introducci” npreferentemente en l
- Page 26 and 27:
introducci” nexponencial.velocida
- Page 28 and 29:
introducci” n30,0025,0020,00Longi
- Page 30 and 31:
introducci” nORGANISMOENFERMEDADR
- Page 32 and 33:
introducci” n1.2.2. Importancia e
- Page 34 and 35:
introducci” nEn Europa la importa
- Page 36 and 37:
introducci” ncoleoptilo emergente
- Page 38 and 39: introducci” nCAMPAÑA CONSUMO SIE
- Page 40 and 41: introducci” norganofosforados (fo
- Page 42 and 43: introducci” nlos gusanos de alamb
- Page 44 and 45: introducci” nsignificativas en el
- Page 46 and 47: introducci” nculturales y medios
- Page 48 and 49: introducci” nParker y Seeney (199
- Page 50 and 51: introducci” n1009080UniformePoiss
- Page 52 and 53: introducci” nmisma. Aunque éstas
- Page 54 and 55: introducci” nde error sobre todo
- Page 56 and 57: introducci” nSegún Chabert y Blo
- Page 58 and 59: introducci” núltimo se optimizar
- Page 60: introducci” nLa solución pasa pu
- Page 64 and 65: material y mÄ todos2.1. LA FASE AD
- Page 66 and 67: material y mÄ todosLas distintas f
- Page 68 and 69: material y mÄ todosFigura 19: Tram
- Page 70 and 71: material y mÄ todos2.4. DISTRIBUCI
- Page 72 and 73: material y mÄ todos2.4.3. Extracci
- Page 74 and 75: material y mÄ todosEn lo referente
- Page 76 and 77: material y mÄ todosLa escala utili
- Page 78 and 79: material y mÄ todosLa tabla 8 es u
- Page 80 and 81: material y mÄ todos- RotenonaInsec
- Page 82 and 83: material y mÄ todos2.5.3.1. Labora
- Page 84 and 85: material y mÄ todosS 2 =a m bDonde
- Page 86 and 87: material y mÄ todos2.6.2.1. Modelo
- Page 90: material y mÄ todos2.7. RELACIÓN
- Page 94 and 95: esultados3.1. LA FASE ADULTA3.1.1.
- Page 96 and 97: esultadosFigura 32: Polimorfismo en
- Page 98 and 99: esultadosFuente de Grados de Suma d
- Page 100 and 101: esultadosen campo.En laboratorio (f
- Page 102 and 103: esultadosMientras se produce la ap
- Page 104 and 105: esultados43 22,7957 25,1283 0,02683
- Page 106 and 107: esultadosFuente de Grados de Suma d
- Page 108 and 109: esultadosSe observa que la curva aj
- Page 110 and 111: esultados3.2.3- Longitud de las pup
- Page 112 and 113: esultadosEn las cajas de cría al a
- Page 114 and 115: esultados3.2.3.1. Variabilidad entr
- Page 116 and 117: esultadosMediante análisis de vari
- Page 118 and 119: esultados3.3. DISPERSIÓN DE LOS AD
- Page 120 and 121: esultadosFigura 49: Evolución de c
- Page 122 and 123: esultados3.4. DISTRIBUCIÓN DE LAS
- Page 124 and 125: esultados0.51. Su intervalo de conf
- Page 126 and 127: esultados3.4.2.3 Ajuste a la ley de
- Page 128 and 129: esultados% tubérculos dañados = 0
- Page 130 and 131: esultadosAyala Bloque A Bloque B Ga
- Page 132 and 133: esultados100806040200100806040200Ay
- Page 134 and 135: esultadosEn cualquier caso, en este
- Page 136 and 137: esultados2000 2001 2002 2003 2004Ce
- Page 138 and 139:
esultados3.5.4. Control cultural3.5
- Page 140:
esultadosDel análisis de varianza
- Page 144 and 145:
discusi” n4.1. LA FASE ADULTA4.1.
- Page 146 and 147:
discusi” ncomponentes. A. sordidu
- Page 148 and 149:
discusi” nEn la bibliografía se
- Page 150 and 151:
discusi” nLos datos tomados duran
- Page 152 and 153:
discusi” nexposición. Cherry y A
- Page 154 and 155:
discusi” nPor comparación con ot
- Page 156 and 157:
discusi” nSamson y Calder, (2003)
- Page 158 and 159:
discusi” nPor otra parte, los res
- Page 160 and 161:
discusi” ntemperaturas inferiores
- Page 162 and 163:
discusi” nNuestro estudio puede c
- Page 164:
5. CONCLUSIONES
- Page 167 and 168:
Biolog• a del gusano de alamBre (
- Page 170 and 171:
BiBliograf• aAdams, B.J., Nguyen,
- Page 172 and 173:
BiBliograf• aCherry, R.,H., Stans
- Page 174 and 175:
BiBliograf• aFerron, P., 1975. Vi
- Page 176 and 177:
BiBliograf• aIvashchenko, I.I., D
- Page 178 and 179:
BiBliograf• aKwon, M., Hahm, Y.I.
- Page 180 and 181:
BiBliograf• aParker, W.E., Howard
- Page 182 and 183:
BiBliograf• aSevacherian, V., Ste
- Page 184:
BiBliograf• aWaller, R.A., Duncan
- Page 187 and 188:
Nº 23. Influencia de los procesos