descargar 47.51 Kb.
|
UNIVERSIDAD DE SAN CARLOS DE GUATEMALA![]() FACULTAD DE CIENCIAS QUÍMICAS Y FARMACIA ESCUELA DE BIOLOGÍA DEPARTAMENTO DE ZOOLOGÍA, GENÉTICA Y VIDA SILVESTRE PROGRAMA DEL CURSO DE FORMACIÓN PROFESIONAL ECOLOGIA NUMERICA 1. INFORMACIÓN GENERAL Código: Créditos: 3 Teoría - 2 Laboratorio Ciclo y año: Décimo ciclo de la carrera de Biólogo, Primer semestre de 2012 Requisito: Introducción a la Ecología (54226) y Bioestadística II (54211) Catedrático: PhD. Carlos Avendaño Auxiliar de Cátedra: Br. Yorik Tenes Horario de Laboratorio: Horario Teoría: 2. DESCRIPCIÓN DEL CURSO: El curso proporcionará las bases para que el estudiante de la Escuela de Biología comprenda los principios básicos de construcción de conocimiento científico en el contexto del análisis ecológico de datos. Se revisarán los fundamentos de estadística clásica y de distribución libre, y los fundamentos del diseño de experimentos. El análisis de la diversidad biológica se revisará desde los niveles alfa, beta y gamma. La revisión de análisis alternativos a la estadística clásica brindará al estudiante una perspectiva más amplia e integral del análisis de bases de datos. Los métodos analíticos revisados en la teoría del curso serán llevados a la práctica a través de la utilización de diversos paquetes estadísticos, tales como R© y sus diversas aplicaciones como BiodiversityR©. 3. OBJETIVOS GENERALES Se revisaran y discutirán los siguientes temas:
4. OBJETIVOS ESPECIFICOS
5. METODOLOGIA
6. PROGRAMACIÓN A. CONTENIDO ANALÍTICO DEL CURSO
¿Qué es estadística? ¿Qué es Ecología… Numérica?
Epistemología y la construcción de hipótesis de investigación… ¿Qué es entonces una hipótesis estadística? Determinismo y la teoría de la mecánica cuántica.
Estadística basada en distribución a priori vrs. Estadística de distribución libre (e.g. estadística Bayesiana). Revisión de estadística clásica: ¿Qué quiere decir p<0.05? (Pruebas paramétricas y no paramétricas, intervalos de confianza, cajas de Tuckey y barras de error).
Diseños experimentales y la famosa pseudoreplicación: ¿Cuáles son mis variables X y Y?
Riqueza y curvas de acumulación (Modelos paramétricos y no paramétricos).
Coeficientes de similitud y análisis multivariados de agrupación (agrupamiento jerárquico y divisivo).
Análisis multivariados de ordenación (PCA, DCA, NMDS, CCA).
Re-muestreo de base de datos y cálculos de probabilidad (Jackknife, Bootstrap, Monte Carlo).
¿Cuándo cumplo con el principio de independencia? Variogramas, Krigging y mapas contorneados. B. CONTENIDO SINTÉTICO PONDERADO DEL CURSO
7. PONDERACIÓN DE LAS ACTIVIDADES DE EVALUACIÓN
8. BIBLIOGRAFIA Atmar, W.(2001). A profoundly repeated pattern. Bulletin of the Ecological Society of America, 82(3), 208-211. Atmar, W. y Patterson, B. (1993). The measure of order and disorder in the distribution of species in fragmente hábitat. Oecologia, 96, 373-382. Bunge, M. (2000). La investigación científica. Su estrategia y su filosofía. México: Siglo XXI Editores. Carrol, S. y Pearson, D. (2000). Detecting and modeling spatial and temporal dependence in conservation biology. Conservation Biology, 14(6): 1893-1897. Eberhardt, L. L. (2003). What Should We Do about Hypothesis Testing? The Journal of Wildlife Management, 67(2), 241-247. Eberhardt, L. L., y Thomas, J. M. (1991). Designing Environmental Field Studies. Ecological Monographs, 61(1), 53-73. Hurlbert, S. (1984). Pseudoreplication and the Design of Ecological Field Experiments. Ecological Monographs, 54(2), 187-211. Hurlbert, S. H. (2004). On misinterpretations of pseudoreplication and related matters: a reply to Oksanen. Oikos, 104(3), 591-597. Hurlbert, S.H. (2009). The ancient black art and transdisciplinary extent of pseudoreplication. Journal of comparative psychology, 123(4), 434-443. Jongman, C., ter Braak, C. y van Tongeren, O. (1995). Data analysis in community and landscape ecology (pp. 78-90). Cambridge: Cambridge University Press. Kindt, R. y Coe, R. (2005). Tree diversity analysis. A manual and software for common statistical methods for ecological and biodiversity studies. Nairobi: World Agroforestry Centre (ICRAF). Legendre, P. (1993). Spatial autocorrelation: trouble or new paradigm? Ecology, 74, 1659-1673. Legendre, P., y Legendre, L. (1998). Numerical ecology (2 ed.). Amsterdam: Elsevier Science BV. Lombardi, C. M., y Hurlbert, S. H. (1996). Sunfish cognition and pseudoreplication. Animal Behaviour, 52(2), 419-422. Magurran, A. (2005). Measuring Biological Diversity: Blackwell Publishing Limited. Morrison, D. A., y Morris, E. C. (2000). Pseudoreplication in experimental designs for the manipulation of seed germination treatments. Austral Ecology, 25(3), 292-296. Otypková, Z. y M. Chytry. (2006). Effects of plot size on the ordination of vegetation samples. - J. Veg. Sci. 17: 465-472. Scheiner, S.M y Gurevitch, J. (2001). Design and Analysis of Ecological Experiments, 2nd. Ed. Oxford Univ. Press. Schickore, J. (2011). The significance of re-doing experiments: A contribution to historically informed methodology. Erkenn, 75:325-347. Underwood, A. J. (2009). Components of design in ecological field experiments. Annales Zoologici Fennici, 46(2), 93-111. Zabell, S. (2008). On Student`s 1908 article “The probable error of a Mean”. Journal of the American Statistical Association, 103(481), 1-7. |