Jesús Manuel Díaz Gaxiola
Instituto Tecnológico De Los Mochis
0000-0002-6691-9410
Jesús Octavio Escobedo Urquídez
Instituto Tecnológico De Los Mochis
0009-0007-6238-6809
Acerca de
En el ámbito profesional, cada día hay que resolver los problemas que se presentan de la mejor manera y sin duda, el uso de la estadística es fundamental para comprender y tomar decisiones más acertadas. ¿Qué es la estadística? Estadística es la parte de las matemáticas que estudia las características de las muestras y de las poblaciones de las que provienen (CorralDávalos, 2019), por su parte Milton (2007) la define como el arte de la decisión frente a la incertidumbre. La ciencia basada en un proceso analítico y crítico produce el conocimiento que ha permitido una mejor comprensión de la realidad circundante. Asimismo, ha facultado al hombre para penetrar en los secretos más profundos del mundo, incluido el ser del hombre mismo (Pérez-Tejada, 2008).
En este capítulo, se muestra el análisis que se realiza a los datos obtenidos de una investigación sobre las microalgas y los parámetros físico-químicos del agua utilizada para el cultivo de camarón. El proceso de análisis se lleva a cabo por medio del software estadístico PAST (Hammer, Harper y Ryan, 2001) versión 4.15.
El análisis de una base de datos siempre partirá de técnicas simples de resumen de los datos y presentación de los resultados. A partir de estos resultados iniciales, y en función del diseño del estudio y de las hipótesis preestableci-das, se aplicarán las técnicas de inferencia estadística que permitirán obtener conclusiones acerca de las relaciones estructurales entre las variables estudia-das. Las técnicas de estadística descriptiva no precisan de asunciones para su interpretación, pero en contrapartida la información que proporcionan no es fácilmente generalizable. La estadística inferencial permite esta generalización, pero requiere ciertas asunciones que deben verificarse para tener un grado razonable de seguridad en las inferencias (PastorBarriuso, 2012).
Referencias
Boyd, C. E. (1989). Water quality management and aeration in shrimp farming. Fisheries and allied aquacultures department series No. 2. Alabama. Agricultural experiment station, Auburn University, Alabama, 70 p.
Corral-Dávalos, L. (2019). Estadística y técnicas experimentales para la investigación biológica. Universidad Politécnica Salesiana. Cuenca, Ecuador. 522 p.
Correa-Henao, M. (2021). Análisis de clúster automático. Tesis. Universidad Nacional de Colombia. 74 p.
Díaz Monroy, L.G. (2007). Estadística multivariada: inferencia y métodos. Bogotá: Universidad Nacional de Colombia. Facultad de Ciencias. XVII, 595 p.
FAO. (2004). El estado mundial de la agricultura y la alimentación. 241 p.
Hammer, Ø., Harper, D.A.T., Ryan, P.D. (2001). PAST: Paleontological Statistics software package for education and data analysis. Paleontologia Electronica. 4(1): 9 pp.
Labomersa (2021) Importancia de la Calidad del Agua en los cultivos de camarón, Labomersa. Available at: https://labomersa.com/2021/05/04/importancia-de-la-calidad-del-agua-en-los-cultivos-de-camaron/ (Accessed: 14 December 2023).
Martínez Córdova, L. R., Campaña Torres, A. y Martínez Porchas, M. (2004). Manejo de la Productividad Natural en el Cultivo del Camarón. In: Cruz Suárez, L.E., Ricque Marie, D., Nieto López, M.G., Villarreal, D., Scholz, U. y González, M. 2004. Avances en Nutrición Acuícola VII. Memorias del VII Simposium Internacional de Nutrición Acuícola. 16-19 noviembre, 2004. Hermosillo, Sonora, México.
Mendenhall, W., R.J. Beaver y B. M. Beaver. (2006). Introducción a la probabilidad y estadística. Décima tercera edición. Cengage Learning Editores, S.A. de C.V., 780 pp.
Milton, J.S. (2007). Estadística para biología y ciencias de la salud. McGraw-Hill Interamericana. Tercera edición ampliada. 744 p.
Moreno, C. E. (2001). Métodos para medir la biodiversidad. M&T–Manuales y Tesis SEA, vol. 1. Zaragoza, 84 pp.
Muñoz-Armayones, S, (2016) Técnicas multivariantes para el análisis de datos ómicos. Trabajo de fin de grado. Facultad de Matemáticas. Departamento de estadística e investigación operativa. Universidad de Sevilla. 123 p.
Páez-Osuna, F., 2001. Camaronicultura y medio ambiente. Mazatlán, Sinaloa: Instituto Ciencias del Mar y Limnología, Programa Universitario de Alimentos. El colegio de Sinaloa.
Pastor-Barriuso R. (2012). Bioestadística. Madrid: Centro Nacional de Epidemiología, Instituto de Salud Carlos III. 262 p.
Pérez-López, C. (2004). Técnicas de análisis multivariante de datos. Aplicaciones con SPSS. Pearson Educación, Madrid.665 p.
Pérez-Tejada, H.E. (2008). Estadística para las ciencias sociales, del comportamiento y de la salud.
Shukla, S. (2015). Normality Test. Conference paper. 8 p.
Valenzuela-Sánchez, C.G. (2014). Composición y abundancia de fitoplancton en áreas impactadas y no impactadas por descargas de granjas camaronícolas en la costa del estado de Sonora. Tesis Profesional. Universidad de Sonora. 66 p.
Veiga de Cabo, J., De la Fuente Díez, E. y Marta Zimmerman-Verdejo, M. (2008). Modelos de estudios en investigación aplicada: Conceptos y criterios para el diseño. Med. Segur Trab. Vol LIV Nº 210: 81-88