Análisis de correlación de variables fisicoquímicas y Bióticas

Análisis de correlación de variables fisicoquímicas y Bióticas

La correlación, aplicada al ejercicio, se realiza con el programa SigmaPlot, en principio los datos obtenidos para las variables fisicoquímicos y bióticos, con el fin de conocer la relación numérica de las mismas.

de principio se hace un análisis de normalidad para saber que tanto se ajustan los datos a la normal y así tomar un camino de correlación de variables, en este caso particular la mayoría de las variables se ajustan a la normal (tabla 1.), esto dado a los pocos sitios donde se tomaron muestras lo que conllevo a datos muy limitados.

El valor p es una probabilidad que mide la evidencia en contra de la hipótesis nula. Un valor p más pequeño proporciona una evidencia más fuerte en contra de la hipótesis nula, y el valor W es el test propiamente dicho, La hipótesis nula se rechazará si W es demasiado pequeño el valor de W puede oscilar entre 0 y 1.

Debido a la normalidad se procedió a hacer una correlación lineal de Pearson, “El coeficiente de correlación de Pearson, es un índice que mide el grado de covariación entre distintas variables relacionadas linealmente esto significa que puede haber variables fuertemente relacionadas, pero no de forma lineal.” (personal.us.es, 2020)

Tabla. 1. Test de normalidad Shapiro–Wilk (sigmaPlot)

Una prueba que pasa indica que los datos coinciden con el patrón esperado si los datos se obtuvieron de una población con una distribución normal.

El coeficiente de relación de Pearson arroja datos que relacionan todas las variables, de manera lineal entre sí, las celdas muestran los siguientes tres datos: coeficiente de relación, E-value y numero de muestras analizadas.

El coeficiente de correlación de Pearson oscila entre –1 y +1, dadas las características propias de este ejemplo se tendrán en cuenta los valores por debajo de -0.4, que representan la relación negativa cuando exactamente en la medida que aumenta una variable disminuye la otra es inversamente proporcional y los valores por encima de 0.4 que es una relación positiva exactamente en la medida que aumenta una de ellas aumenta la otra, directamente proporcional. Estos intervalos son tomados debido a la interpretación que muestra que entre los valores comprendidos entre -0.3 y 0.3 no existe relación y en los intervalos de mayores a estos se ve una relación moderada y fuerte. (Altschul, 1997)

El E- Value es el valor de corte, y nos permite definir qué alineamientos queremos obtener de acuerdo a su significación estadística. Cuanto menor sea el valor de E, más significativo es un alineamiento en este caso se tomarán valores inferiores a 0.05

Las variables bióticas son las dependientes y las fisicoquímicas son las variables dependientes, por lo que se analizaron los datos que tenían esta relación y cumplían con los intervalos propuestos para coeficiente de relación y para E-value.

Se encontraron 10 relaciones de variables que cumplían (Tabla 2.)

...